Поскольку изменение климата и рост населения глобально увеличивают угрозу продовольственной безопасности, необходимость в устойчивости сельского хозяйства и устойчивости урожайности становится крайне актуальной. Текущие исследования сосредоточены на генетических улучшениях сельскохозяйственных культур, способных лучше адаптироваться к изменениям климата, а также на оптимизации методов управления сельскохозяйственными культурами для более эффективного использования ресурсов.
Эти усилия поддерживаются моделями сельскохозяйственных культур, которые играют ключевую роль в моделировании генетических, экологических и управленческих факторов (G×E×M), влияющих на рост сельскохозяйственных культур. Среди этих моделей выделяется модель GreenLab, которая отличается подробным уровнем моделирования на органы растений, учитывающим физиологические и морфологические аспекты в ответ на условия окружающей среды. Однако, несмотря на сложность этой модели, ее упрощенное представление воздействия на окружающую среду до одного фактора недостаточно точно отражает сложные взаимосвязи между климатом, почвой и методами управления, влияющими на урожайность.
В феврале 2024 года журнал Plant Phenomics опубликовал обзорную статью под названием «Функционально-структурная модель растения ‘GreenLab’: современный обзор». В этой статье представлен всесторонний обзор модели GreenLab, включающий историю развития, основные концепции, теории, приложения, программные инструменты и будущие перспективы.
Основываясь на подходе моделирования AMAP, GreenLab объединяет ботанические концепции, такие как физиологический возраст и динамика источника-стока, что создает прочную основу для моделирования роста растений в соответствии с ботаническими принципами.
История развития модели GreenLab. Модель GreenLab возникла на основе подхода моделирования AMAP, унаследовавшего ботанические концепции от AMAPsim и AMAPHydro, который был разработан в рамках совместных усилий Китайско-французской совместной лаборатории (LIAMA) в 1998 году. Модель GreenLab прошла через различные итерации, включая GL1 (детерминистическую модель), GL2 (стохастическая модель), GL3 (детерминированная модель с механизмами обратной связи) и, в конечном итоге, GL4 и GL5 (стохастическая модель с механизмами обратной связи). Примечательно, что GL5 представляет собой точную временную модель деревьев, которая может имитировать рост и развитие деревьев в течение года.
За два десятилетия сотрудничества институтов Китая и Франции GreenLab превратилась в сложную модель, имитирующую рост растений на уровне органов и включающую различные типы растений, от трав до деревьев.
Эволюция модели от детерминистической к стохастической версии расширила ее применимость, позволяя моделировать разнообразные модели роста и архитектурные сложности с поразительной точностью. Включая концепции процессорных моделей, GreenLab предлагает детальное моделирование производства и распределения биомассы с использованием математических уравнений для эффективной параметризации и моделирования.
GreenLab выделяется своей способностью моделировать динамическое взаимодействие между развитием и ростом, учитывая нюансы воздействия факторов окружающей среды на структуру и урожайность растений.
Приложение GreenLab применяется к различным видам растений, демонстрируя его универсальность при моделировании роста как полевых, так и садовых культур, а также деревьев в различных условиях окружающей среды. Процесс калибровки модели, который включает в себя детальное описание архитектуры растений и данные о биомассе, подчеркивает ее точность при моделировании роста растений.
Более того, интеграция GreenLab с передовыми технологиями, такими как скоростная селекция и искусственный интеллект, знаменует новую эру моделирования сельскохозяйственных культур, позволяя быстрое фенотипирование и прогнозирование урожайности для поддержки устойчивых методов ведения сельского хозяйства. Программные инструменты, разработанные для GreenLab, от Visualplant до XPlantGL, упрощают моделирование и калибровку, делая их доступными как для исследователей, так и для практиков.
Виды растений, изученные с помощью модели GreenLab. Модель GreenLab продемонстрировала свою универсальность, успешно изучив широкий спектр видов растений, включая виды как умеренного, так и тропического климата с непрерывным и ритмичным ростом. Параметры развития и роста модели эффективно оценены для более чем 20 видов растений, включая полевые, садовые культуры, травянистые растения и деревья.
Заглядывая в будущее, статья подчеркивает потенциал модели в объединении генетических, физиологических и экологических исследований, предлагая понимание стратегий адаптации культур и оптимизации прогнозов урожайности. Благодаря постоянному развития и интеграции с передовыми технологиями, модель GreenLab остается в авангарде сельскохозяйственного моделирования, предлагая инновационные решения для проблем продовольственной безопасности и изменения климата. Её способность адаптироваться к различным условиям окружающей среды и моделировать различные типы сельскохозяйственных культур делает её незаменимым инструментом как для научных исследований, так и для практического применения в сельском хозяйстве.
Инновации в методах фенотипирования и прогнозирования урожайности, основанные на GreenLab, могут значительно улучшить эффективность производства сельскохозяйственной продукции и помочь сельскохозяйственным производителям адаптироваться к изменяющимся условиям на мировом рынке. Благодаря своей точности и универсальности, модель GreenLab становится ключевым инструментом в борьбе за устойчивое и эффективное сельское хозяйство в будущем.
Таким образом, модель GreenLab не только продолжает развиваться и улучшаться, но и играет важную роль в поиске решений для глобальных вызовов в области продовольственной безопасности и устойчивого развития сельского хозяйства. Её инновационный подход к моделированию роста растений отражает постоянное стремление к прогрессу и новым открытиям в области сельскохозяйственных исследований.
По материалам: spj.science.org
Особый интерес вызывает обзор модели GreenLab, которая представляет собой значимый шаг в направлении более точного моделирования роста растений и улучшения урожайности