Как высокопроизводительное фенотипирование на основе БПЛА трансформирует современную селекцию растений

По прогнозам, к 2050 году численность населения планеты достигнет 9,8 миллиарда человек, что удвоит спрос на продовольствие. Однако расширение сельскохозяйственных угодий для удовлетворения этой потребности является нерациональным. Более 501 тыс. тонн новых пахотных земель, созданных с 2000 года, вытеснили леса и естественные экосистемы, усугубляя изменение климата и потерю биоразнообразия.

Чтобы избежать этого кризиса, ученые обращаются к селекции растений — науке о разработке сельскохозяйственных культур с более высокой урожайностью, устойчивостью к болезням и изменению климата. Однако традиционные методы селекции слишком медленны, чтобы соответствовать неотложности проблемы.

Именно здесь дроны и искусственный интеллект (ИИ) вступают в игру, меняя правила игры и предлагая более быстрый и эффективный способ выведения более качественных сельскохозяйственных культур.

Почему традиционная селекция растений отстаёт

Селекция растений основана на отборе растений с желаемыми характеристиками, такими как засухоустойчивость или устойчивость к вредителям, и их скрещивании в течение нескольких поколений. Самым большим препятствием в этом процессе является фенотипирование — ручное измерение характеристик растений, таких как высота, состояние листьев или урожайность.

Например, измерение высоты растений на поле из 3000 участков может занять недели, а человеческие ошибки приводят к несоответствиям до 201 тонны на тонну. Кроме того, урожайность сельскохозяйственных культур повышается всего на 0,5–11 тонн на тонну в год, что значительно ниже темпов роста в 2,91 тонны на тонну, необходимых для удовлетворения потребностей 2050 года.

Кукуруза, основная сельскохозяйственная культура для миллиардов людей, является наглядным примером этого замедления: темпы роста ее ежегодной урожайности упали с 2,21 тыс. тонн в 1960-х годах до 1,331 тыс. тонн в настоящее время. Для преодоления этого разрыва ученым необходимы инструменты, которые автоматизируют сбор данных, уменьшают количество ошибок и ускоряют принятие решений.

Как беспилотные технологии меняют селекцию растений

Беспилотные летательные аппараты (БПЛА), оснащенные передовыми датчиками и искусственным интеллектом, совершают революцию в сельском хозяйстве. Эти устройства могут летать над полями и собирать точные данные о тысячах растений за считанные минуты — процесс, известный как высокопроизводительное фенотипирование (ВПП).

В отличие от традиционных методов, дроны собирают данные по всей площади поля, исключая погрешность выборки. Они используют специализированные датчики для измерения всего, от высоты растений до уровня водного стресса.

Например, мультиспектральные датчики обнаруживают ближний инфракрасный свет, отражаемый здоровыми листьями, а тепловизионные камеры определяют засушливый стресс, измеряя температуру растительного покрова.

Автоматизация сбора данных позволяет дронам снижать трудозатраты и ускорять циклы селекции, благодаря чему можно разрабатывать улучшенные сорта сельскохозяйственных культур за годы, а не за десятилетия.

Научные основы работы датчиков и сбора данных дронами

Дроны используют различные датчики для сбора важных данных о растениях. RGB-камеры, наиболее доступный вариант, улавливают видимый свет для измерения площади растительного покрова и высоты растений. На полях сахарного тростника эти камеры достигли точности 64–691 Тл при подсчете стеблей, заменив подверженный ошибкам ручной подсчет.

Мультиспектральные датчики идут дальше, обнаруживая невидимые длины волн, такие как ближний инфракрасный диапазон, которые коррелируют с уровнем хлорофилла и состоянием растений. Например, они предсказали засухоустойчивость сахарного тростника с точностью более 80%.

• RGB-камеры: Захват красного, зеленого и синего света для создания цветных изображений.
• Многоспектральные датчикиОбнаружение света за пределами видимого спектра (например, ближнего инфракрасного диапазона).
• Термодатчики: Измерение количества тепла, выделяемого растениями.
• ЛидарИспользует лазерные импульсы для создания трехмерных карт растений.
• Гиперспектральные датчики: Позволяет регистрировать более 200 длин волн света для сверхдетального анализа.

Тепловые датчики обнаруживают тепловые сигнатуры, выявляя растения, испытывающие недостаток влаги, которые выглядят горячее, чем здоровые. На хлопковых полях тепловые дроны показали результаты, сопоставимые с наземными измерениями температуры, с погрешностью менее 51 TP3T.

Датчики LiDAR используют лазерные импульсы для создания трехмерных карт посевов, измеряя биомассу и высоту с точностью до 95% в ходе испытаний энергетического тростника. Самые передовые инструменты, гиперспектральные датчики, анализируют сотни длин волн света, чтобы выявлять дефицит питательных веществ или заболевания, невидимые невооруженным глазом.

Эти датчики помогли исследователям связать 28 новых генов с замедлением старения пшеницы — признаком, повышающим урожайность.

От полета к анализу данных: как дроны анализируют данные о посевах

Процесс фенотипирования с помощью дронов начинается с тщательного планирования полета. Дроны летают на высоте 30–100 метров, делая перекрывающиеся снимки для обеспечения полного охвата. Например, поле площадью 10 гектаров можно отсканировать за 15–30 минут.

После полета программное обеспечение, такое как Agisoft Metashape, сшивает тысячи изображений в подробные карты с помощью метода Structure-from-Motion (SfM) — технологии, которая преобразует 2D-фотографии в 3D-модели. Эти модели позволяют ученым измерять такие характеристики, как высота растений или плотность растительного покрова, одним нажатием кнопки.

Затем алгоритмы искусственного интеллекта анализируют данные, прогнозируя урожайность или выявляя вспышки заболеваний. Например, дроны просканировали 3132 участка сахарного тростника всего за 7 часов — задача, на выполнение которой вручную потребовалось бы три недели. Такая скорость и точность позволяют селекционерам быстрее принимать решения, например, отбраковывать низкопродуктивные растения на ранней стадии сезона.

Основные области применения дронов в современном сельском хозяйстве

Дроны используются для решения некоторых из самых серьезных проблем сельского хозяйства. Одно из основных применений — прямое измерение характеристик растений, где дроны заменяют ручной труд. На кукурузных полях дроны измеряют высоту растений с точностью 90%, сокращая погрешность с 0,5 метра до 0,21 метра.

Они также отслеживают плотность растительного покрова — показатель того, насколько хорошо растения затеняют землю, подавляя сорняки. Селекционеры энергетического тростника использовали эти данные для выявления сортов, которые снижают рост сорняков на 401 тонну на три тонны.

Еще одним прорывом является прогнозирование селекции, где модели искусственного интеллекта используют данные с дронов для прогнозирования урожайности сельскохозяйственных культур. Например, мультиспектральные изображения позволили предсказать урожайность кукурузы с точностью 80%, превзойдя традиционные методы геномного анализа.

Дроны также помогают в поиске генов, позволяя ученым обнаруживать сегменты ДНК, ответственные за желаемые признаки. В случае с пшеницей дроны связали зеленую окраску листвы с 22 новыми генами, что потенциально может повысить засухоустойчивость.

Кроме того, гиперспектральные датчики обнаруживают такие заболевания, как позеленение цитрусовых, за несколько недель до появления симптомов, что дает фермерам время принять меры.

Повышение генетического прогресса с помощью высокоточных технологий.

Генетический прирост — ежегодное улучшение характеристик сельскохозяйственных культур в результате селекции — рассчитывается по простой формуле:

(Интенсивность отбора × Наследуемость × Изменчивость признаков) ÷ Время селекционного цикла.

Генетический прирост (ΔG) рассчитывается следующим образом:
ΔG = (i × h² × σp) / L

Где:

• i = Интенсивность отбора (насколько строги селекционеры).
• h² = Наследуемость (какая степень передачи признака от родителей к потомству).
• σp = Изменчивость признаков в популяции.
• L = Время, затраченное на один цикл размножения.

Почему это важноДроны улучшают все показатели:

1. i: Сканирование В 10 раз больше растений, что позволяет проводить более строгий отбор.
2. h²: Снижение погрешностей измерений, улучшение оценок наследуемости.
3. σp: Выявление тонких вариаций признаков по всему полю.
4. LСокращение времени цикла от 5 лет до 2–3 лет на основе предварительных прогнозов.

Дроны улучшают каждый аспект этого уравнения. Сканируя целые поля, они позволяют селекционерам отбирать 11 лучших растений по показателю TP3T, а не только 101 лучшее, тем самым повышая интенсивность отбора. Они также улучшают оценки наследуемости за счет уменьшения ошибок измерения.

Например, ручная оценка высоты растений приводит к изменчивости в 20%, тогда как дроны сокращают этот показатель до 5%. Более того, дроны улавливают тонкие вариации признаков у тысяч растений, максимально увеличивая изменчивость признаков.

Самое важное, что они сокращают циклы селекции, позволяя делать прогнозы на ранних стадиях. Селекционеры сахарного тростника, использующие дроны, утроили свой генетический прогресс по сравнению с традиционными методами, что доказывает преобразующий потенциал этой технологии.

Преодоление трудностей и взгляд в будущее

Несмотря на многообещающие перспективы, фенотипирование с использованием дронов по-прежнему сталкивается со значительными проблемами. Высокая стоимость современных датчиков остается серьезным препятствием – например, гиперспектральные камеры могут стоить более 10 000 долларов, что делает их недоступными для большинства мелких фермеров.

Обработка огромных объемов собранных данных также требует значительных ресурсов облачных вычислений, что увеличивает затраты. Платформы искусственного интеллекта, такие как AutoGIS, автоматизируют анализ данных, устраняя необходимость в ручном вводе.

Исследователи также интегрируют дроны с почвенными датчиками и метеостанциями, создавая систему мониторинга в реальном времени, которая оповещает фермеров о вредителях или засухе. Эти инновации прокладывают путь к новой эре точного земледелия, где решения, основанные на данных, заменяют догадки.

Заключение

Дроны и искусственный интеллект не просто меняют селекцию растений — они переосмысливают устойчивое сельское хозяйство. Благодаря ускоренной разработке засухоустойчивых высокоурожайных культур, эти технологии могут удвоить производство продуктов питания к 2050 году без расширения сельскохозяйственных угодий.

Это позволит сохранить более 100 миллионов гектаров лесов, что эквивалентно площади Египта, и уменьшить углеродный след сельского хозяйства. Фермеры, использующие данные с дронов, уже сократили потребление воды и пестицидов на 301 тонну, защищая экосистемы и снижая затраты.

Как отметил один из исследователей: “Мы больше не гадаем, какие растения лучшие. Дроны нам об этом говорят”. При дальнейшем внедрении инноваций это слияние биологии и технологий может обеспечить продовольственную безопасность для миллиардов людей, одновременно защищая нашу планету.

Ссылка: Хуимфухиео, И., и да Силва, Дж.А. (2025). Высокопроизводительное фенотипирование в полевых условиях с использованием беспилотных летательных аппаратов (БПЛА) как инструментарий селекционеров растений: всесторонний обзор. Smart Agricultural Technology, 100888.