Jak wysokoprzepustowa fenotypizacja oparta na dronach przekształca współczesną hodowlę roślin

Przewiduje się, że do 2050 roku globalna populacja osiągnie 9,8 miliarda ludzi, co podwoi zapotrzebowanie na żywność. Jednak powiększanie gruntów rolnych w celu zaspokojenia tego zapotrzebowania jest nie do utrzymania. Ponad 501 ton sześciennych (TP3) nowych gruntów ornych utworzonych od 2000 roku zastąpiło lasy i naturalne ekosystemy, pogłębiając zmiany klimatu i utratę bioróżnorodności.

Aby uniknąć tego kryzysu, naukowcy zwracają się ku hodowli roślin – nauce o tworzeniu upraw o wyższych plonach, odporności na choroby i zmiany klimatu. Tradycyjne metody hodowli są jednak zbyt powolne, aby sprostać powadze problemu.

To właśnie tutaj drony i sztuczna inteligencja (AI) wkraczają do akcji, zmieniając zasady gry, oferując szybszy i inteligentniejszy sposób uprawy lepszych roślin.

Dlaczego tradycyjna hodowla roślin pozostaje w tyle

Hodowla roślin opiera się na selekcji roślin o pożądanych cechach, takich jak odporność na suszę czy szkodniki, i krzyżowaniu ich przez wiele pokoleń. Największym wąskim gardłem w tym procesie jest fenotypowanie – ręczny pomiar cech roślin, takich jak wysokość, zdrowie liści czy plon.

Na przykład pomiar wysokości roślin na polu obejmującym 3000 działek może zająć tygodnie, a błędy ludzkie mogą powodować rozbieżności sięgające nawet 201 TP3T. Co więcej, plony rosną zaledwie o 0,5–11 TP3T rocznie, znacznie poniżej tempa wzrostu 2,91 TP3T wymaganego do zaspokojenia zapotrzebowania w 2050 roku.

Kukurydza, podstawowy produkt rolny dla miliardów ludzi, ilustruje to spowolnienie: jej roczny wzrost plonów spadł z 2,21 TP3T w latach 60. XX wieku do 1,331 TP3T obecnie. Aby zniwelować tę lukę, naukowcy potrzebują narzędzi, które zautomatyzują gromadzenie danych, zredukują liczbę błędów i przyspieszą podejmowanie decyzji.

Jak technologia dronów zmienia hodowlę roślin

Drony, czyli bezzałogowe systemy powietrzne (UAS), wyposażone w zaawansowane czujniki i sztuczną inteligencję, rewolucjonizują rolnictwo. Urządzenia te mogą latać nad polami i zbierać precyzyjne dane o tysiącach roślin w ciągu kilku minut, w procesie znanym jako fenotypowanie wysokoprzepustowe (HTP).

W przeciwieństwie do tradycyjnych metod, drony zbierają dane z całych pól, eliminując błąd w próbkowaniu. Wykorzystują specjalistyczne czujniki do pomiaru wszystkiego, od wysokości roślin po poziom stresu wodnego.

Przykładowo czujniki multispektralne wykrywają światło bliskiej podczerwieni odbite od zdrowych liści, a kamery termowizyjne identyfikują stres związany z suszą, mierząc temperaturę koron drzew.

Dzięki automatyzacji gromadzenia danych drony redukują koszty pracy i przyspieszają cykle hodowlane, co pozwala na opracowanie ulepszonych odmian upraw w ciągu lat, a nie dekad.

Nauka stojąca za czujnikami dronów i zbieraniem danych

Drony wykorzystują różnorodne czujniki do gromadzenia kluczowych danych o roślinach. Kamery RGB, najtańsza opcja, rejestrują światło widzialne w celu pomiaru zwarcia koron i wysokości roślin. Na polach trzciny cukrowej kamery te osiągają dokładność liczenia łodyg na poziomie 64–69%, zastępując podatne na błędy liczenie ręczne.

Czujniki multispektralne idą dalej, wykrywając niewidzialne długości fal, takie jak bliska podczerwień, które korelują z poziomem chlorofilu i zdrowiem roślin. Na przykład, przewidziały one tolerancję trzciny cukrowej na suszę z dokładnością ponad 80%.

• Kamery RGB:Przechwytuje światło czerwone, zielone i niebieskie, aby tworzyć obrazy kolorowe.
• Czujniki multispektralne:Wykrywanie światła wykraczającego poza widzialne spektrum (np. bliską podczerwień).
• Czujniki termiczne:Pomiar ciepła emitowanego przez rośliny.
• LiDAR:Wykorzystuje impulsy laserowe do tworzenia trójwymiarowych map roślin.
• Czujniki hiperspektralne: Rejestruje ponad 200 długości fal światła, umożliwiając niezwykle szczegółową analizę.

Czujniki termiczne wykrywają sygnatury cieplne, identyfikując rośliny dotknięte niedoborem wody, które wydają się cieplejsze niż zdrowe. Na polach bawełny drony termiczne uzyskały zgodność z naziemnymi pomiarami temperatury z błędem mniejszym niż 5%.

Czujniki LiDAR wykorzystują impulsy laserowe do tworzenia trójwymiarowych map upraw, mierząc biomasę i wysokość z precyzją 95% w testach trzciny energetycznej. Najbardziej zaawansowane narzędzia, czujniki hiperspektralne, analizują setki długości fal światła, aby wykryć niedobory składników odżywczych lub choroby niewidoczne gołym okiem.

Dzięki tym czujnikom naukowcy powiązali 28 nowych genów z opóźnionym starzeniem się pszenicy, co przekłada się na zwiększenie plonów.

Od lotu do wglądu: jak drony analizują dane dotyczące upraw

Proces fenotypowania dronów rozpoczyna się od starannego planowania lotu. Drony latają na wysokości 30–100 metrów, rejestrując nakładające się obrazy, aby zapewnić pełne pokrycie. Na przykład, 10-hektarowe pole można zeskanować w ciągu 15–30 minut.

Po locie oprogramowanie takie jak Agisoft Metashape łączy tysiące obrazów w szczegółowe mapy za pomocą technologii Structure-from-Motion (SfM) – techniki, która przekształca zdjęcia 2D w modele 3D. Modele te pozwalają naukowcom mierzyć cechy, takie jak wysokość roślin czy pokrycie koron drzew, jednym naciśnięciem przycisku.

Algorytmy sztucznej inteligencji analizują następnie dane, prognozując plony lub identyfikując ogniska chorób. Na przykład drony przeskanowały 3132 działki z trzciną cukrową w zaledwie 7 godzin – zadanie, które ręcznie zajęłoby trzy tygodnie. Ta szybkość i precyzja pozwalają hodowcom podejmować szybsze decyzje, takie jak odrzucanie roślin o niskiej wydajności na początku sezonu.

Kluczowe zastosowania dronów w nowoczesnym rolnictwie

Drony są wykorzystywane do rozwiązywania największych wyzwań rolnictwa. Jednym z głównych zastosowań jest bezpośredni pomiar cech, w którym drony zastępują pracę ręczną. Na polach kukurydzy drony mierzą wysokość roślin z dokładnością 90%, redukując błędy pomiaru od 0,5 do 0,21 metra.

Monitorują również pokrycie koron drzew, wskaźnik wskazujący, jak dobrze rośliny zacieniają ziemię, aby hamować wzrost chwastów. Hodowcy trzciny energetycznej wykorzystali te dane do zidentyfikowania odmian, które ograniczają wzrost chwastów o 40%.

Kolejnym przełomem jest hodowla predykcyjna, w której modele sztucznej inteligencji wykorzystują dane z dronów do prognozowania plonów. Na przykład, obrazowanie wielospektralne pozwoliło przewidzieć plony kukurydzy z dokładnością 80%, przewyższając tradycyjne testy genomiczne.

Drony pomagają również w odkrywaniu genów, pomagając naukowcom zlokalizować segmenty DNA odpowiedzialne za pożądane cechy. W przypadku pszenicy drony powiązały zieloność łanu z 22 nowymi genami, potencjalnie zwiększając tolerancję na suszę.

Ponadto czujniki hiperspektralne wykrywają choroby, takie jak więdnięcie cytrusów, na kilka tygodni przed wystąpieniem objawów, dając rolnikom czas na podjęcie działań.

Zwiększanie korzyści genetycznych dzięki precyzyjnej technologii

Zysk genetyczny, czyli roczna poprawa cech upraw dzięki hodowli, obliczany jest za pomocą prostego wzoru:

(Intensywność selekcji × Dziedziczność × Zmienność cech) ÷ Czas cyklu hodowlanego.

Zysk genetyczny (ΔG) oblicza się następująco:
ΔG = (i × h² × σp) / L

Gdzie:

• i = Intensywność selekcji (jak surowi są hodowcy).
• h² = Dziedziczność (stopień przekazywania cechy przez rodziców potomstwu).
• σp = Zmienność cech w populacji.
• L = Czas trwania cyklu hodowlanego.

Dlaczego to ma znaczenieDrony poprawiają wszystkie zmienne:

1. i: Skanuj 10x więcej roślin, co pozwala na bardziej rygorystyczną selekcję.
2. h²:Zmniejszenie błędów pomiarowych i poprawa szacunków dziedziczności.
3. σp:Wychwytywanie subtelnych zmian cech na całych polach.
4. L:Skróć czas cyklu z od 5 lat do 2–3 lat poprzez wczesne przewidywania.

Drony wzbogacają każdy element tego równania. Skanując całe pola, pozwalają hodowcom wybrać 11 roślin o najwyższej wartości TP3T zamiast 101, zwiększając intensywność selekcji. Poprawiają również szacunki odziedziczalności poprzez redukcję błędów pomiarowych.

Na przykład, ręczna ocena wysokości rośliny wprowadza zmienność 20%, podczas gdy drony redukują ją do 5%. Co więcej, drony rejestrują subtelne różnice w cechach u tysięcy roślin, maksymalizując zmienność cech.

Co najważniejsze, skracają cykle hodowlane, umożliwiając wczesne przewidywanie. Hodowcy trzciny cukrowej wykorzystujący drony potroili swoje zyski genetyczne w porównaniu z tradycyjnymi metodami, co dowodzi rewolucyjnego potencjału tej technologii.

Pokonywanie wyzwań i akceptacja przyszłości

Pomimo obiecujących perspektyw, fenotypowanie za pomocą dronów wciąż stoi przed poważnymi wyzwaniami. Wysoki koszt zaawansowanych czujników pozostaje istotną barierą – na przykład kamery hiperspektralne mogą przekraczać $50 000, co czyni je nieosiągalnymi dla większości drobnych rolników.

Przetwarzanie ogromnych ilości zebranych danych wymaga również znacznych zasobów chmury obliczeniowej, co zwiększa koszty. Platformy AI, takie jak AutoGIS, automatyzują analizę danych, eliminując potrzebę ręcznego wprowadzania danych.

Naukowcy integrują również drony z czujnikami glebowymi i stacjami meteorologicznymi, tworząc system monitorowania w czasie rzeczywistym, który ostrzega rolników o szkodnikach lub suszach. Te innowacje torują drogę do nowej ery rolnictwa precyzyjnego, w której decyzje oparte na danych zastępują domysły.

Wniosek

Drony i sztuczna inteligencja nie tylko zmieniają hodowlę roślin, ale także redefiniują zrównoważone rolnictwo. Umożliwiając szybszy rozwój odpornych na suszę, wysokoplennych upraw, technologie te mogłyby podwoić produkcję żywności do 2050 roku bez konieczności powiększania powierzchni gruntów rolnych.

Pozwoliłoby to zaoszczędzić ponad 100 milionów hektarów lasów, co odpowiada powierzchni Egiptu, i zmniejszyć ślad węglowy rolnictwa. Rolnicy korzystający z danych z dronów zmniejszyli już zużycie wody i pestycydów nawet o 301 ton, chroniąc ekosystemy i obniżając koszty.

Jak zauważył jeden z badaczy: “Nie zgadujemy już, które rośliny są najlepsze. Drony nam to powiedzą”. Dzięki ciągłym innowacjom, to połączenie biologii i technologii mogłoby zapewnić bezpieczeństwo żywnościowe miliardom ludzi, jednocześnie chroniąc naszą planetę.

Odniesienie: Khuimphukhieo, I. i da Silva, JA (2025). Fenotypowanie polowe o wysokiej przepustowości (HTP) oparte na bezzałogowych systemach powietrznych (UAS) jako narzędzie hodowców roślin: kompleksowy przegląd. Smart Agricultural Technology, 100888.