Моделирование урожайности пшеницы с использованием структурных биомаркеров растений

Почему урожайность пшеницы важна для всех

Пшеница — краеугольный камень глобальной продовольственной безопасности, особенно в регионах вроде Южной Азии, где население растёт, а пахотные земли испытывают давление со стороны городов, промышленности и изменения климата. Возможность предсказать, сколько зерна даст поле — достаточно заблаговременно, чтобы скорректировать полив, удобрения и рыночные планы — может решить вопрос прибыли или убытка для фермеров и помочь стабилизировать продовольственные поставки. В этом исследовании рассматривается более умный способ прогнозирования урожайности пшеницы, который учитывает не только «зелёность» полей с высоты, но и структуру самих растений.

От зелёного цвета к форме растений

Десятилетиями фермеры и учёные полагались на спутниковые снимки для оценки состояния посевов. Популярная мера — вегетационный индекс — сравнивает отражение красного и ближнего инфракрасного света растениями, оценивая «озеленённость», которая часто коррелирует с урожайностью. Хотя этот индекс работает достаточно хорошо для больших площадей и на поздних стадиях развития, он может упускать важные детали на уровне полей, особенно в ранних фазах роста. Авторы поставили вопрос, сможет ли добавление простых структурных признаков пшеницы — её высоты и площади листовой поверхности — повысить точность прогнозов и лучше отразить реальные различия, вызванные удобрениями и свойствами почвы.

Внимание к небольшому полю

Исследовательская группа провела тщательно контролируемый полевой эксперимент в окрестностях Рурки (северная Индия), области, типичной для многих районов возделывания пшеницы с жарким летом, прохладной зимой и выраженным муссоном. Они разделили небольшое опытное поле на девять участков и внесли на каждый разные дозы и типы удобрений: некоторые получили стандартные нормы удобрений, некоторые — больше или меньше, а другие — навоз. В ключевые моменты сезона — примерно через два, три и четыре месяца после посева — они измеряли высоту растений, площадь листовой поверхности и «зелёность» кроны с помощью светочувствительных датчиков. На момент уборки урожая они взвесили зерно с каждого участка, чтобы выяснить, какие измерения лучше предсказывают конечную урожайность.

Новые соотношения показывают эффективность кроны

Вместо того чтобы рассматривать каждый признак по отдельности, исследователи создали новые «структурные соотношения», которые объединяют площадь листьев и высоту растений. Одно ключевое соотношение представляло собой площадь листовой поверхности, делённую на квадрат высоты растения. Это выражает не только количество листьев, но и то, насколько плотно они упакованы в вертикальном пространстве, что влияет на эффективность захвата солнечного света кроной. Когда они использовали эту меру компактности в качестве единственного предиктора урожайности, она превзошла более привычные одиночные индикаторы, включая показатель «зелёности» и саму высоту. Добавление «зелёности» к этим структурным соотношениям давало лишь скромное улучшение, что говорит о том, что архитектура растений несёт большую часть предсказательной силы, когда питательные эффекты уже сформировали посевы.

Время съёмки и пределы ранних прогнозов

Исследование также показало, что момент съёмки почти так же важен, как и сам измеряемый параметр. Ранние прогнозы, около 60 дней после посева, оказались ненадёжными для некоторых участков, особенно там, где органический навоз медленно отдавал питательные вещества или удобрения ещё не полностью усвоились. К 90 и 120 дням, по мере стабилизации роста растений и заполнения крон, модели, основанные на новых структурных соотношениях и комбинациях высоты и площади листьев, становились гораздо точнее и стабильнее. Однако работа была проведена всего на девяти небольших участках в одном месте и в одном сезоне, поэтому авторы подчёркивают, что подход необходимо проверить на больших и более разнообразных полях, прежде чем его можно будет широко применять.

Что это означает для будущего сельского хозяйства

Проще говоря, исследование показывает, что анализ строения посева пшеницы — его высоты и плотности расположения листьев — является более надёжным ориентиром для конечной урожайности, чем одна только «зелёность». Сосредоточение внимания на структуре кроны может дать фермерам и консультантам более ранние и более надёжные сведения о том, какие поля развиваются согласно плану, а какие требуют вмешательства, поддерживая более точное управление удобрениями и поливом. Хотя это исследование служит доказательством концепции, а не готовым инструментом, оно указывает путь к будущему, в котором повседневные прогнозы урожая будут сочетать спутниковые данные и наземные измерения формы растений, помогая получать больше зерна с ограниченных земель и ресурсов.

Цитирование: Dwivedi, A.K., Ojha, C.S.P., Singh, V.P. et al. Modeling of wheat yield using plant structural biomarkers. Sci Rep 16, 11192 (2026). https://doi.org/10.1038/s41598-026-36373-w

Ключевые слова: урожайность пшеницы, дистанционное зондирование, индекс листовой площади, высота растений, точное земледелие