PofoliaPofolia ile paylaşıldı

The Plant Phenome Journal· 2026Q1

Fenomik tahmin I: Sürgenlik şiddetinin sorgun ıslah denemelerinde YİHA bazlı fotogrametrik yükseklik verileri kullanılarak parsel düzeyinde tahmini

Phenomic prediction I: Plot‐level prediction of lodging severity in sorghum breeding trials using UAV‐based photogrammetric height data

Srinivasa Reddy Mothukuri, Sean Reynolds Massey-Reed, Andries B. Potgieter, Kenneth Laws ve diğerleri

Kısa özet

Çok zamanlı YİHA kaynaklı kanopi yüksekliği verilerini kullanan bir topluluk modeli, sorgun ıslah denemelerinde parsel düzeyinde sürgenlik şiddetini doğru bir şekilde tahmin ederek r = 0,80–0,84 Pearson korelasyonları elde etmiş ve varyasyonun %64–70'ini açıklamıştır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Bir topluluk modeli, sorgun ıslah denemelerinde parsel düzeyinde sürgenlik şiddetini r = 0,80–0,84 Pearson korelasyonları ile tahmin etmiştir.
  • Model, çok zamanlı YİHA kaynaklı kanopi yüksekliği verilerini kullanarak manuel sürgenlik sayımlarındaki varyasyonun %64–70'ini açıklamıştır.
  • Model performansı sahalar arasında sağlamdı ve tekrarlanan iyileştirmelerden minimum düzeyde etkilenmiştir.
  • Bu YİHA tabanlı yaklaşım, ıslah programlarında manuel sürgenlik değerlendirmesine yüksek verimli bir alternatif sunmaktadır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract Lodging in sorghum ( Sorghum bicolor (L.) Moench) presents a significant challenge for plant breeders due to the trade‐off between lodging resistance and grain yield. Manually measuring lodging across thousands of plots is time‐consuming, expensive, and error‐prone, making selection for lodging resistance challenging in breeding programs. Unmanned aerial vehicle (UAV)‐derived metrics provide a potential high‐throughput alternative; however, it remains unclear whether photogrammetric heights derived from UAV imagery can estimate plot‐level lodging severity in large sorghum breeding trials. This study developed a framework for predicting plot‐level lodging from UAV imagery across 2675 sorghum breeding plots. Multi‐temporal canopy height data were collected at two critical time points: maximum crop height and at manual lodging assessment. Height percentiles were extracted from UAV‐derived point clouds generated using photogrammetric algorithms. These data were used to develop parametric, nonparametric, and ensemble prediction models, which were evaluated using three statistical metrics. The ensemble model, averaging predictions from all models, achieved the highest accuracy with Pearson correlations of r = 0.80–0.84 and lowest root mean square error of 16%–18%, explaining 64%–70% of variation in manual lodging counts. Model diagnostics and iterative refinement, including inspection of UAV imagery and dataset curation, had minimal impact on model performance, demonstrating the robustness of the approach. Model performance was consistent across sites, with minimal effects of stratified sampling on accuracy, confirming the ensemble approach as optimal for plot‐level lodging assessment. This study demonstrates that integrated multi‐temporal UAV imagery offers a practical alternative to labor‐intensive manual evaluation methods by enabling high‐throughput lodging assessment suitable for implementation in sorghum breeding programs.

Yazarların özeti; kaynağından alınmıştır. The Plant Phenome Journal, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Agronomi ve Bitkisel Üretim

Agronomy and Crop ScienceAgricultural and Biological Sciences