Ein Forschungsteam setzte eine RGB-Kamera auf einem unbemannten Luftfahrzeug (UAV) ein, um Zeitreihendaten zur Bedeckung und Höhe des Zuckerrübendachs zu sammeln. Diese Daten wurden verwendet, um das Wurzelgewicht und den Zuckergehalt mit hoher Genauigkeit vorherzusagen. Diese innovative Technik verbessert die Entscheidungsfindung der Züchter, indem sie Auswahlkriterien vor der Ernte liefert und so den Bedarf an manuellen Messungen reduziert. Der UAV-basierte Ansatz kann auch die Präzisionsdüngung auf Produktionsfeldern steuern und zeigt damit seinen Wert bei der Verbesserung der landwirtschaftlichen Effizienz und der Vorhersage von Ernteerträgen.
Zuckerrüben (Beta vulgaris L.) sind eine wichtige Nutzpflanze für die Zuckerproduktion, ihre Anbaufläche ist jedoch trotz gestiegener Erträge zurückgegangen. Aktuelle Forschungen nutzen Heterosis, um die Produktivität von Zuckerrüben zu steigern, doch traditionelle Züchtungsmethoden sind arbeitsintensiv und ineffizient. Obwohl die Hochdurchsatz-UAV-Phänotypisierung bei anderen Nutzpflanzen vielversprechend ist, wurde sie für die Vorhersage von Zuckerrübenertrag und Zuckergehalt noch nicht vollständig erforscht.
Eine Studie veröffentlicht In Pflanzenphänomenologie am 11. Juni 2024, zielt darauf ab, eine Hochdurchsatz-UAV-Methode zu entwickeln, um das Gewicht und den Zuckergehalt der Zuckerrübenwurzel genau vorherzusagen und so die Züchtungseffizienz und Sortenentwicklung zu verbessern.
Die Forschung nutzte UAV-basierte Hochdurchsatz-Phänotypisierung, um Ertrag und Blattwachstum auf Zuckerrübenzuchtfeldern zu bewerten. Über drei Saisons hinweg wurden die Kronenbedeckung (CC) und die Kronenhöhe (CH) überwacht und analysiert.
Im Jahr 2018 führten günstige Bedingungen zu einem schnellen Wachstum zu Beginn der Saison, während die Dürre im Jahr 2020 das Pflanzenwachstum reduzierte. Im Jahr 2021 waren die Bedingungen ideal, was zu gutem Wachstum führte. Im Laufe der Jahre wurden erhebliche Unterschiede beim Wurzelgewicht (RW) und Zuckergehalt (SC) beobachtet, wobei die Varianzanalyse (ANOVA) erhebliche Unterschiede zwischen den Akzessionen anzeigte.
Alle 30 Tage durchgeführte UAV-Flüge lieferten detaillierte Wachstumsmuster, wobei logistische Modelle zu den CC-Daten und Gompertz-Modelle zu den CH-Daten passten. Integrale dieser Modelle wurden für die genetische Analyse verwendet und enthüllten signifikante allgemeine und spezifische Kombinationsfähigkeiten (GCA und SCA) für RW, SC, CCint120 und CHint120, was sowohl auf additive als auch auf nicht-additive Genaktionen hindeutet. Eine multiple Regressionsanalyse sagte RW und SC anhand von CC- und CH-Daten voraus und erreichte hohe Korrelationskoeffizienten (R2 = 0,89 für RW und 0,83 für SC).
Diese Erkenntnisse unterstreichen das Potenzial der UAV-basierten Phänotypisierung für eine effiziente Ertragsvorhersage und genetische Analyse im Rahmen der Zuckerrübenzüchtung.
Laut dem leitenden Forscher der Studie, Kazunori Taguchi, „zeigt unsere einfache, aber robuste Lösung, wie hochmoderne Fernerkundungswerkzeuge und grundlegende Analysemethoden auf kleinen Zuchtfeldern zum Zwecke der Selektion eingesetzt werden können.“
Zusammenfassend lässt sich sagen, dass diese Studie eine datengesteuerte UAV-basierte Methodik nutzte, um die Entscheidungsfindung von Züchtern und Landwirten im Zuckerrübenanbau zu verbessern. Dieser Ansatz zeigte, dass die UAV-basierte Phänotypisierung den Zuckerrübenertrag effizient vorhersagen und die genetische Analyse unterstützen kann, indem sie wichtige Daten zu Wachstumsmustern liefert.
Zukünftige Anwendungen könnten diese Methode auf andere Nutzpflanzen ausweiten, um durch die Integration moderner Fernerkundungs- und maschineller Lerntechniken die Präzisionslandwirtschaft zu fördern und Zuchtprogramme zu verbessern.
Mehr Informationen:
Kazunori Taguchi et al., Hochdurchsatz-Vorhersage des Wurzelgewichts und Zuckergehalts von Zuckerrüben auf einem Zuchtfeld unter Verwendung von UAV-gestützter Wachstumsdynamik, Pflanzenphänomenologie (2024). DOI: 10.34133/plantphenomics.0209