(University of Illinois at Urbana-Champaign, 2022)
Miscanthus es uno de los cultivos perennes más prometedores para la producción de bioenergía, ya que puede producir altos rendimientos con una pequeña huella ambiental. Este pasto versátil tiene un gran potencial para funcionar aún mejor, ya que se ha puesto mucho menos esfuerzo en mejorarlo a través del mejoramiento genético; en comparación con los cultivos básicos establecidos, como el maíz o la soya.
No obstante, el mejoramiento debe volverse más rápido y más eficiente si se quiere alcanzar el potencial de producción de biomasa sostenible y resiliente en Miscanthus. Un cuello de botella clave en el proceso es la capacidad de medir el crecimiento de miles de variedades del cultivo en el campo y seleccionar las pocas variedades que funcionan mejor. Esto requiere tecnologías nuevas y sofisticadas para capturar datos y analizarlos de forma más eficiente.
Un estudio realizado por investigadores del Centro de Innovación Avanzada de Bioenergía y Bio-productos (CABBI) demostró cómo los vehículos aéreos no tripulados (UAV o drones) combinados con métodos de aprendizaje automático de vanguardia pueden ayudar a seleccionar los mejores genotipos candidatos en los programas de mejoramiento genético de Miscanthus. El equipo utilizó redes neuronales (sistemas informáticos modelados a partir del cerebro y el sistema nervioso humanos) para analizar imágenes aéreas de muy alta resolución e identificar rasgos clave del Miscanthus durante la temporada de crecimiento del cultivo.
En particular, los investigadores de CABBI destacaron que el uso de redes neuronales diseñadas para analizar datos en tres dimensiones (dos dimensiones en el espacio, más el tiempo) permitió mejores estimaciones de las características de los cultivos (momento de floración, altura y producción de biomasa) que las de las redes neuronales tradicionales, que analizan datos en solo dos dimensiones en el espacio. Esto les permitió aprovechar la información respecto a cómo cambia con el tiempo cada una de las miles de plantas en el campo. Además, la red neuronal tridimensional demostró ser capaz de ejecutar automáticamente aspectos del proceso de análisis de imágenes (es decir, encontrar plantas en la imagen) lo cual en muchos otros casos requiere una intervención manual sustancial, que demoraría el proceso.
Esto es especialmente importante en pastos perennes altamente productivos como el Miscanthus, donde el fenotipado en el campo es más complicado y más gratificante.
El estudio, publicado en Remote Sensing, fue dirigido por el Investigador Postdoctoral Sebastián Varela en CABBI, un Centro de Investigación de Bioenergía financiado por el Departamento de Energía de EE. UU.; Andrew Leakey, Director de CABBI, Profesor y Jefe del Departamento de Biología Vegetal, y Profesor del Instituto Carl R. Woese de Biología Genómica (IGB), Departamento de Ciencias de Cultivos y el Centro de Agricultura Digital de la Universidad de Illinois Urbana- Champán; y Erik Sacks, líder temático adjunto de CABBI para producción de materias primas y profesor de ciencias de cultivos e IGB en Illinois.
Este fue el primer intento de utilizar el monitoreo intensivo de datos de grandes poblaciones genéticamente diversas de Miscanthus utilizando tecnologías digitales. Para su evaluación, los investigadores utilizaron drones para capturar imágenes de alta resolución de los cultivos en 10 ocasiones durante la temporada de crecimiento, junto con datos terrestres de miles de genotipos de Miscanthus, para determinar su momento de floración, altura y rendimiento de biomasa. La fotogrametría combinada de imágenes, que proporciona modelos de superficie digitales, y la tecnología de detección multiespectral que puede obtener imágenes no visibles para el ojo humano apoyó de manera importante en este desarrollo.
«Este es un paso entusiasmante hacia el desarrollo de aplicaciones digitales que pueden facilitar la selección de los mejores genotipos candidatos por una fracción del costo de la selección manual tradicional», dijo Leakey. «Ese es solo un paso clave en el trabajo más amplio que CABBI está haciendo para brindar la comprensión científica y los avances tecnológicos necesarios para hacer que la bioenergía rentable y benéfica para el medio ambiente, sea una realidad para el centro de EE. UU.»
Dijo Sacks: «Nuestros métodos estándar para medir las características del Miscanthus, como el rendimiento y la altura, requieren mucho tiempo y mucho trabajo, pero estos nuevos métodos de obtención de imágenes son más rápidos y mucho menos costosos. Con los métodos más nuevos, podemos evaluar poblaciones más grandes de Miscanthus por el mismo dinero, y eso nos permitirá seleccionar mejores líneas de mejoramiento genético y cultivares más rápidamente».
Los coautores del estudio incluyeron al estudiante de Doctorado Xuying Zheng, el estudiante universitario Dylan P. Allen y el técnico de investigación Jeremy Ruhter, todos con CABBI y Crop Sciences; y al estudiante de doctorado estudiante Joyce N. Njuguna de Ciencias de Cultivos.
Referencias:
University of Illinois at Urbana-Champaign. (4 de Noviembre de 2022). Team adds powerful new dimension to phenotyping next-gen bioenergy crop. Obtenido de PHYS ORG: https://phys.org/news/2022-11-team-powerful-dimension-phenotyping-next-gen.html
Quimcasa de México 