Ұшқышсыз ұшу аппараттарына негізделген жоғары өнімді фенотиптеу қазіргі заманғы өсімдік селекциясын қалай өзгертіп жатыр

2050 жылға қарай әлем халқының саны 9,8 миллиард адамға жетеді деп болжануда, бұл азық-түлікке деген сұранысты екі есеге арттырады. Дегенмен, бұл қажеттілікті қанағаттандыру үшін ауылшаруашылық жерлерін кеңейту тұрақсыз. 2000 жылдан бері құрылған 50%-ден астам жаңа егістік алқап ормандар мен табиғи экожүйелердің орнын басты, бұл климаттың өзгеруі мен биоәртүрліліктің жоғалуын күшейтті.

Бұл дағдарысты болдырмау үшін ғалымдар өсімдік селекциясына – жоғары өнімділікке, ауруға төзімділікке және климатқа төзімділікке ие дақылдарды өсіру ғылымына жүгінуде. Дегенмен, дәстүрлі селекция әдістері мәселенің өзектілігіне ілесе алмай, тым баяу жұмыс істейді.

Міне, осы жерде дрондар мен жасанды интеллект (ЖИ) ойын ережесін өзгертіп, жақсы дақылдарды өсірудің жылдам және ақылды жолын ұсынуда.

Неліктен дәстүрлі өсімдік селекциясы артта қалып отыр

Өсімдіктерді селекциялау құрғақшылыққа төзімділік немесе зиянкестерге төзімділік сияқты қалаулы қасиеттері бар өсімдіктерді таңдауға және оларды бірнеше ұрпақ бойы будандастыруға негізделген. Бұл процестегі ең үлкен кедергі - фенотиптеу, яғни өсімдіктің биіктігі, жапырақ денсаулығы немесе өнімділігі сияқты сипаттамаларын қолмен өлшеу.

Мысалы, 3000 учаскеден тұратын егістіктегі өсімдік биіктігін өлшеу бірнеше аптаға созылуы мүмкін, ал адами қателіктер 20% дейін сәйкессіздіктерге әкеледі. Сонымен қатар, дақылдардың өнімділігі жылына небәрі 0,5–1% деңгейінде жақсарып келеді, бұл 2050 жылғы сұранысты қанағаттандыру үшін қажетті 2,9% өсу қарқынынан әлдеқайда төмен.

Жүгері, миллиардтаған долларлық негізгі дақыл, бұл баяулауды көрсетеді: оның жылдық өнімділігінің өсуі 1960 жылдардағы 2,2%-ден бүгінгі таңда 1,33%-ге дейін төмендеді. Бұл алшақтықты жою үшін ғалымдарға деректер жинауды автоматтандыратын, қателіктерді азайтатын және шешім қабылдауды жеделдететін құралдар қажет.

Дрон технологиясы өсімдіктер селекциясын қалай өзгертіп жатыр

Жетілдірілген сенсорлармен және жасанды интеллектпен жабдықталған дрондар немесе пилотсыз ұшу жүйелері (ПҰЖ) ауыл шаруашылығында төңкеріс жасауда. Бұл құрылғылар егістіктердің үстінен ұшып, мыңдаған өсімдіктер туралы бірнеше минут ішінде дәл деректерді жинай алады, бұл процесс жоғары өнімділік фенотиптеу (ЖӨФ) деп аталады.

Дәстүрлі әдістерден айырмашылығы, дрондар бүкіл егістік алқаптар бойынша деректерді жинайды, бұл іріктеу кезіндегі қателікті болдырмайды. Олар өсімдік биіктігінен бастап судағы стресс деңгейіне дейінгі барлық нәрсені өлшеу үшін арнайы сенсорларды пайдаланады.

Мысалы, мультиспектральды сенсорлар сау жапырақтардан шағылысқан жақын инфрақызыл сәулені анықтайды, ал термиялық камералар шатыр температурасын өлшеу арқылы құрғақшылық стрессін анықтайды.

Деректерді жинауды автоматтандыру арқылы дрондар еңбек шығындарын азайтады және өсіру циклдарын жеделдетеді, бұл ондаған жылдар ішінде емес, жылдар ішінде жақсартылған дақыл сорттарын жасауға мүмкіндік береді.

Дрон сенсорлары мен деректерді жинаудың артындағы ғылым

Дрондар өсімдік туралы маңызды деректерді жинау үшін әртүрлі сенсорларға сүйенеді. Ең қолжетімді нұсқа болып табылатын RGB камералары көрінетін жарықты түсіріп, шатыр жамылғысын және өсімдіктің биіктігін өлшейді. Қант қамысы алқаптарында бұл камералар сабақтарды санауда қателікке бейім қолмен санауды алмастыра отырып, 64–69% дәлдігіне қол жеткізді.

Мультиспектрлі сенсорлар хлорофилл деңгейімен және өсімдіктердің денсаулығымен өзара байланысты жақын инфрақызыл сияқты көрінбейтін толқын ұзындықтарын анықтау арқылы одан әрі алға жылжиды. Мысалы, олар қант қамысының құрғақшылыққа төзімділігін 80%-ден астам дәлдікпен болжады.

• RGB камералары: түрлі-түсті кескіндер жасау үшін қызыл, жасыл және көк жарықты түсіріңіз.
• Көпспектрлі сенсорларКөрінетін спектрден тыс жарықты анықтау (мысалы, жақын инфрақызыл).
• Жылулық сенсорларӨсімдіктер шығаратын жылуды өлшеңіз.
• LiDARӨсімдіктердің 3D карталарын жасау үшін лазерлік импульстарды пайдаланады.
• Гиперспектрлік сенсорлар: Ультра егжей-тегжейлі талдау үшін 200-ден астам жарық толқын ұзындығын түсіріңіз.

Жылу сенсорлары жылу белгілерін анықтап, судың жетіспеушілігінен зардап шегетін және сау өсімдіктерге қарағанда ыстық болып көрінетін өсімдіктерді анықтайды. Мақта алқаптарында жылу дрондары жердегі температураны өлшеу нәтижелерін 5% қателігінен аз сәйкестендірді.

LiDAR сенсорлары дақылдардың 3D карталарын жасау үшін лазерлік импульстарды пайдаланады, энергетикалық қамыс сынақтарында биомасса мен биіктікті 95% дәлдікпен өлшейді. Ең озық құралдар, гиперспектрлік сенсорлар, қоректік заттардың жетіспеушілігін немесе көзге көрінбейтін ауруларды анықтау үшін жүздеген жарық толқын ұзындығын талдайды.

Бұл сенсорлар зерттеушілерге бидайдың өнімділігін арттыратын қасиеттің баяу қартаюымен 28 жаңа генді байланыстыруға көмектесті.

Ұшудан түсінікке дейін: дрондар дақыл деректерін қалай талдайды

Дрондарды фенотиптеу процесі мұқият ұшуды жоспарлаудан басталады. Дрондар 30-100 метр биіктікте ұшып, толық қамтуды қамтамасыз ету үшін бір-бірінің үстінен түсірілген суреттерді түсіреді. Мысалы, 10 гектарлық егістікті 15-30 минут ішінде сканерлеуге болады.

Ұшудан кейін Agisoft Metashape сияқты бағдарламалық жасақтама 2D фотосуреттерді 3D модельдерге түрлендіретін Structure-from-Motion (SfM) әдісін пайдаланып мыңдаған кескіндерді егжей-тегжейлі карталарға тігеді. Бұл модельдер ғалымдарға түймені басу арқылы өсімдіктің биіктігі немесе шатырдың жабыны сияқты белгілерді өлшеуге мүмкіндік береді.

Содан кейін жасанды интеллект алгоритмдері деректерді талдап, өнімділікті болжайды немесе аурулардың өршуін анықтайды. Мысалы, дрондар қант қамысы егілген 3132 учаскені небәрі 7 сағат ішінде сканерледі — бұл тапсырма қолмен үш аптаға созылатын еді. Бұл жылдамдық пен дәлдік селекционерлерге маусымның басында өнімділігі төмен өсімдіктерді тастау сияқты жылдам шешімдер қабылдауға мүмкіндік береді.

Қазіргі ауыл шаруашылығындағы дрондардың негізгі қолданылуы

Дрондар егіншіліктің ең үлкен қиындықтарының бірін шешу үшін пайдаланылуда. Қолданылуының бір негізгі түрі - тікелей белгілерді өлшеу, мұнда дрондар қол еңбегін алмастырады. Жүгері егістіктерінде дрондар өсімдіктің биіктігін 90% дәлдігімен өлшейді, қателіктерді 0,5 метрден 0,21 метрге дейін қысқартады.

Олар сондай-ақ өсімдіктердің арамшөптерді басу үшін жерді қаншалықты жақсы көлеңкелейтінін көрсететін метрика болып табылатын шатыр жамылғысын бақылайды. Энергия қамысы селекционерлері бұл деректерді арамшөптердің өсуін 40%-ге азайтатын сорттарды анықтау үшін пайдаланды.

Тағы бір жетістік - болжамды селекция, мұнда жасанды интеллект модельдері дақылдардың өнімділігін болжау үшін дрон деректерін пайдаланады. Мысалы, көп спектрлі кескіндеу жүгері өнімділігін 80% дәлдігімен болжады, бұл дәстүрлі геномдық тестілеуден асып түседі.

Дрондар сонымен қатар гендерді ашуға көмектеседі, ғалымдарға қажетті қасиеттерге жауапты ДНҚ сегменттерін табуға көмектеседі. Бидайда дрондар шатырдың жасылдығын 22 жаңа генмен байланыстырды, бұл құрғақшылыққа төзімділікті арттыруы мүмкін.

Сонымен қатар, гиперспектрлік сенсорлар цитрустың көгалдануы сияқты ауруларды симптомдар пайда болғанға дейін бірнеше апта бұрын анықтайды, бұл фермерлерге әрекет етуге уақыт береді.

Дәлдік технологиясымен генетикалық жетістіктерді арттыру

Генетикалық пайда – селекцияға байланысты дақылдардың жыл сайынғы қасиеттерінің жақсаруы – қарапайым формула бойынша есептеледі:

(Сұрыптау қарқындылығы × Тұқым қуалаушылық × Белгілердің өзгергіштігі) ÷ Көбею циклінің уақыты.

Генетикалық өсім (ΔG) келесідей есептеледі:
ΔG = (i × h² × σp) / L

Қайда:

• i = Селекция қарқындылығы (селекционерлердің қаншалықты қатал екендігі).
• h² = Тұқым қуалаушылық (белгінің ата-анадан ұрпаққа қаншалықты берілетіні).
• σp = Популяциядағы белгілердің өзгергіштігі.
• L = Көбею цикліне кететін уақыт.

Неліктен бұл маңыздыДрондар барлық айнымалыларды жақсартады:

1. i: Сканерлеу 10 есе көп өсімдіктер, қатаңырақ таңдауға мүмкіндік береді.
2. h²Өлшеу қателіктерін азайту, тұқым қуалаушылық бағалауларын жақсарту.
3. σp: Барлық өрістердегі нәзік белгілердің вариацияларын түсіру.
4. LЦикл уақытын қысқарту 5 жылдан 2-3 жылға дейін ерте болжамдар арқылы.

Дрондар бұл теңдеудің әрбір бөлігін жақсартады. Тұтас егістіктерді сканерлеу арқылы олар селекционерлерге ең жақсы 10% орнына ең жақсы 1% өсімдіктерін таңдауға мүмкіндік береді, бұл таңдау қарқындылығын арттырады. Олар сондай-ақ өлшеу қателіктерін азайту арқылы тұқым қуалаушылықты бағалауды жақсартады.

Мысалы, өсімдік биіктігін қолмен бағалау 20% өзгергіштігін енгізеді, ал дрондар мұны 5%-ге дейін төмендетеді. Сонымен қатар, дрондар мыңдаған өсімдіктердегі нәзік белгілердің вариацияларын анықтап, белгілердің өзгергіштігін барынша арттырады.

Ең бастысы, олар ерте болжам жасауға мүмкіндік беру арқылы көбею циклдарын қысқартады. Дрондарды пайдаланатын қант қамысы өсірушілері дәстүрлі әдістермен салыстырғанда генетикалық жетістіктерін үш есеге арттырды, бұл технологияның трансформациялық әлеуетін дәлелдейді.

Қиындықтарды жеңу және болашаққа ұмтылу

Уәделеріне қарамастан, дронға негізделген фенотиптеу әлі де айтарлықтай қиындықтарға тап болып отыр. Жетілдірілген сенсорлардың жоғары құны негізгі кедергі болып қала береді – мысалы, гиперспектрлік камералар $50,000-нан асып кетуі мүмкін, бұл оларды көптеген шағын фермерлер үшін қолжетімді етпейді.

Жиналған деректердің үлкен көлемін өңдеу үшін айтарлықтай бұлттық есептеу ресурстары қажет, бұл шығындарды арттырады. AutoGIS сияқты жасанды интеллект платформалары деректерді талдауды автоматтандырып, қолмен енгізу қажеттілігін жояды.

Зерттеушілер сонымен қатар дрондарды топырақ сенсорларымен және метеостанциялармен біріктіріп, фермерлерді зиянкестер немесе құрғақшылық туралы ескертетін нақты уақыт режиміндегі мониторинг жүйесін жасауда. Бұл инновациялар деректерге негізделген шешімдер болжамдарды алмастыратын дәл ауыл шаруашылығының жаңа дәуіріне жол ашуда.

Қорытынды

Дрондар мен жасанды интеллект тек өсімдік шаруашылығын ғана өзгертіп қоймайды, олар тұрақты ауыл шаруашылығын қайта анықтайды. Құрғақшылыққа төзімді, жоғары өнімді дақылдарды тезірек дамытуға мүмкіндік беру арқылы бұл технологиялар ауылшаруашылық жерлерін кеңейтпей, 2050 жылға қарай азық-түлік өндірісін екі есеге арттыра алады.

Бұл Египеттің көлеміне тең 100 миллион гектардан астам орманды үнемдеуге және егіншіліктің көміртегі ізін азайтуға мүмкіндік береді. Дрондардың деректерін пайдаланатын фермерлер су мен пестицидтерді пайдалануды 30% дейін қысқартты, бұл экожүйелерді қорғап, шығындарды азайтты.

Бір зерттеуші атап өткендей, “Біз енді қай өсімдіктердің ең жақсы екенін болжай алмаймыз. Дрондар бізге айтады”. Үздіксіз инновациялармен биология мен технологияның бұл үйлесімі планетамызды қорғай отырып, миллиардтаған адамның азық-түлік қауіпсіздігін қамтамасыз ете алады.

Дереккөз: Khuimphukieo, I., & da Silva, JA (2025). Өсімдік селекционерлерінің құралы ретіндегі пилотсыз ұшу аппараттарына (ПҰА) негізделген далалық жоғары өнімділік фенотиптеу (ЖӨФ): кешенді шолу. Smart Agricultural Technology, 100888.