FIP 1.0 soya verisi: Sekiz yıllık yüksek verimli saha görüntü fenotiplemeden soya büyümesine dair içgörüler

Mahsulleri yukarıdan izlemek neden önemli

İklimsel uç olaylar daha yaygın hale geldikçe, çiftçiler ve ıslahçılar hem iyi hem kötü yıllarda iyi büyümeye devam eden ürünlere ihtiyaç duyuyor. Bu çalışma, tarlada asılı bir kamera sistemiyle kaydedilmiş, gerçek bir tarla ortamında soya bitkilerinin sekiz yıllık sıra dışı derecede zengin bir büyüme kaydını tanıtıyor. Milyonlarca görünür yaprağı ayrıntılı hava durumu kayıtlarıyla ilişkilendirerek, veri seti bilim insanlarının hangi soya çeşitlerinin sıcaklık, kuraklık veya uzun bulutlu dönemlerle daha iyi başa çıktığını anlamasına yardımcı oluyor ve model geliştiricilere gelecekteki hasatları daha güvenilir tahmin etmek için ham malzeme sağlıyor.

Canlı bir laboratuvara dönüştürülmüş bir tarla

2015'ten 2022'ye kadar İsviçre'deki araştırmacılar, dikkatle düzenlenmiş parsellerde 72 soya çeşidi ve ıslah hattı yetiştirdi. Üzerlerinde, bitkilerin yaklaşık üç metre üzerindeki bir ip ile asılı platform yüksek çözünürlüklü bir kamera taşıyordu. Her yetiştirme sezonu boyunca sistem, bitki örtüsünü—toprağı kaplayan yaprakların oluşturduğu yeşil katmanı—net bir şekilde yakalayan binlerce tepeden renkli fotoğraf çekti. Aynı alanda yakınlardaki bir meteoroloji istasyonu her saatte sıcaklık, ışık, yağış, nem ve rüzgarı kaydederek bitkiler ile çevreleri hakkında senkronize bir görüntü oluşturdu.

Görüntüleri büyüme eğrilerine dönüştürmek

Ham fotoğrafları kullanışlı ölçümlere dönüştürmek için ekip bir görüntü işleme hattı kurdu. Önce, her resim bitki yapraklarına ait yeşil piksellerin kahverengi toprak arka plandan ayrıldığı bir şekilde filtrelendi. Sonra algoritma ekim sıralarını tespit etti, kamera eğimini düzeltti ve her parsele ait kesin alanı sınırlandırdı. Buradan araştırmacılar "taç örtüsü"nü—belirli bir zamanda her parselin alanının ne kadarının yeşil olduğunu—hesapladılar. Görüntüler sezon boyunca düzenli olarak yakalandığı için bu değerler, bitkilerin ne zaman çıktığını, zemini ne kadar hızlı doldurduğunu, zirve örtüye ne zaman ulaştığını ve ne zaman sararıp seyrekleşmeye başladığını gösteren düzgün eğriler izler.

Büyüme, hava durumu ve verimi birleştirmek

Görüntü tabanlı büyüme kayıtları, dane verimi, protein içeriği, tohum ağırlığı ve yaprak rengi okumaları gibi geleneksel hasat verileriyle eşleştirildi. Bilim insanları, görüntü özelliklerinin tekrarlanan parsellerde ve zaman içinde ne kadar tutarlı olduğunu kontrol etmek için istatistiksel araçlar kullandı. Taç örtüsü ve iki yılda lazer taramalarla ölçülen bitki boyunun yüksek derecede "kalıtılabilir" olduğunu—soya çeşitleri arasındaki farklılıkların güçlü ve tekrarlanabilir olduğunu—buldular. Taç örtüsüne düzgün eğriler uydurarak her çeşidin yeşil örtüsünün yarısını kaybettiği zamanı belirleyebildiler; bu, yaprak yaşlanmasının bir göstergesi. Yıllar arasında bu zamanlama bilinen olgunluk gruplarıyla örtüştü ve birçok durumda nihai verimle açıkça bağlantılıydı: taç örtüsünü daha uzun süre yeşil tutan çeşitler genellikle daha fazla dane üretti, sezon hava koşulları süreyi kısaltmadıkça.

Tarım bilimi için yeniden kullanılabilir bir araç takımı

Son veri seti 17.000'den fazla görüntüyü, onların segmentlenmiş maskelerini, parsel düzenlerini, günlük taç örtüsü değerlerini, genotip özetlerini ve eşlenmiş hava durumu dosyalarını basit, yaygın kullanılan formatlarda bir araya getiriyor. Kurum ve makine öğrenmesi depoları aracılığıyla açıkça erişilebilir ve adlandırma ile metadata için topluluk standartlarını izleyerek diğer saha görüntüleme çabalarıyla, örneğin ürünlerin üzerindeki drone uçuşları ile birleştirilebilecek şekilde düzenlenmiş. Yazarlar ayrıca taç örtüsünü çıkarmak için kullanılan kodu paylaşıyor; diğerlerini kendi deneylerine aynı iş akışını uygulamaya veya bitki görüntüleri üzerinde yeni yapay zeka modelleri eğitmeye davet ediyorlar.

Gelecekteki hasatlar için bunun anlamı

Uzman olmayanlar için temel mesaj, ürün ıslahının ara sıra saha notlarından bitki yaşamının sürekli "filmlerine" doğru ilerlediği. Soya parsellerinin yaprak yaprak nasıl büyüdüğünü, gerçek hava ve tarım koşulları altında izleyerek, araştırmacılar stres altında hangi hatların daha dirençli kaldığını tespit edebiliyor ve bu bilgiyi daha iyi ürün modellerine besleyebiliyor. FIP 1.0 soya veri seti tek başına daha yüksek verimleri garanti etmese de, daha güçlü çeşitlerin seçilmesi ve belirsiz bir iklimde soya üretimini istikrarlı tutacak tarım uygulamalarının tasarlanması için gereken ayrıntılı kanıtları sağlar.

Atıf: Keller, B., Kirchgessner, N., Oppliger, C. et al. FIP 1.0 soybean data: Insights on soybean growth from eight years of high-throughput image field phenotyping. Sci Data 13, 476 (2026). https://doi.org/10.1038/s41597-026-06663-z

Anahtar kelimeler: soya fenotiplemesi, zirai görüntüleme, taç örtüsü, iklime dayanıklı ürünler, saha veri setleri