Мультиспектральная съёмка с дронов: новый удобный метод определения оптимальных сроков селекции сосны Эллиота

Содержание питательных веществ в растениях отражает их общее метаболическое здоровье и напрямую влияет на рост, развитие и размножение. Например, неструктурные углеводы (NSC) — это временное хранилище углеводов, которые накапливаются в деревьях и считаются индикатором доступности и запаса углерода у растения.

Азот (N), основной компонент белков, хлорофилла, нуклеиновых кислот и витаминов, необходим для хранения и транспорта продуктов фотосинтеза. Однако мониторинг этих питательных веществ в деревьях вручную или традиционными методами требует значительных временных затрат и усилий. Это обуславливает необходимость разработки новых, современных и экономящих время подходов для помощи учёным-растениеводам.

С этой целью группа исследователей из Китая и Новой Зеландии, включая доцента Яньцзе Ли из Китайской академии лесного хозяйства, недавно использовала искусственный интеллект (ИИ) для мониторинга в реальном времени содержания N и NSC в хвое сосны. Команда использовала беспилотные летательные аппараты (БПЛА, дроны) для проведения съёмки сосен, пролетая над их кронами.

Комбинируя передовые методы спектроскопического анализа, статистики и алгоритмы машинного обучения, этот новый подход может предоставлять информацию о биохимических свойствах, скорости роста, состоянии здоровья и развития, а также генетических вариациях этих деревьев. Исследование было опубликовано в журнале Plant Phenomics.

«Дистанционное зондирование на основе БПЛА является неразрушающим, высокопроизводительным и быстрым. Это эффективная методика для измерения структуры растений и мониторинга физиологического состояния кроны в сельском и лесном хозяйстве», — говорит доцент Ли, являющийся автором-корреспондентом исследования.

Ранее команда продемонстрировала обнаружение параметров роста деревьев и вегетационных индексов (VI) с использованием мультиспектральных изображений с БПЛА и применила это для оценки генетической изменчивости у сосны Эллиота (Pinus elliottii). В текущем исследовании методика была доработана для сбора информации о кронах сосны Эллиота с целью помощи в их селекции. В течение 11 месяцев наблюдали за 383 деревьями в генетически контролируемом лесу этих сосен в Китае.

Дроны использовались для получения высококачественных структурных изображений содержания N и NSC в хвое. Затем эти изображения анализировались программным обеспечением для отбора возможных предикторов и определения наиболее вероятных структур и генетических категорий. Это позволило экстраполировать данные и собрать информацию о месячном распределении прогнозируемого содержания N и NSC на исследуемой территории. Далее были спрогнозированы лучшие семейства деревьев (считающиеся наиболее подходящими для селекции) и наследуемость содержания N и NSC для разных месяцев.

«Мы получили наивысшую наследуемость для N и NSC в месяцы июль и март соответственно, что может быть лучшим временем для селекции сосны».

Метод успешно собрал информацию и помог отслеживать тенденции в течение года, являясь надёжным доказательством концепции, которая может проложить путь для более детальных исследований и разработки передовых технологий. Доцент Ли поясняет: «Мы планируем повторные оценки в будущем, особенно для изучения вариаций в результатах в засушливые и незасушливые годы».

Исследование не только выявило семейства и кластеры деревьев с высокой селекционной ценностью, но и определило оптимальное время для селекции. Метод является экономически эффективным и менее ресурсоёмким, обладает высокой масштабируемостью и способностью предоставлять информацию в реальном времени. Он может давать информацию селекционерам для оптимального выбора правильного времени и деревьев для искусственного разведения.

Подобные данные в сочетании с долгосрочным мониторингом естественных лесов и плантаций могут привести к значительной модернизации технологий, используемых в сельском хозяйстве, садоводстве, лесном хозяйстве и агролесоводстве.