Trigo de Inverno: Desafios e Inovações na Pesquisa Agrícola

O trigo de inverno é uma cultura super importante que fornece uma quantidade significativa de calorias para as dietas humanas em todo o mundo. Com mais gente precisando de comida, a demanda por trigo de inverno só aumenta. Porém, produzir o suficiente tá ficando mais complicado por causa de recursos limitados como água, produtos químicos e terra. Além disso, as mudanças climáticas representam uma ameaça séria para as colheitas, o que significa que precisamos usar nossos recursos de forma mais inteligente.

#Fatores que Afetam as Colheitas

A quantidade de trigo de inverno produzida depende de vários fatores complexos, principalmente da interação entre a genética da planta e o ambiente. Por exemplo, certos genes têm um papel crucial na formação e crescimento do trigo, e esses genes podem ser afetados pela temperatura durante a fase de floração. Infelizmente, não há dados detalhados o suficiente pra entender completamente como esses fatores genéticos e ambientais interagem.

#Fenotipagem de Campo de Alto Rendimento (HTFP)

Pra resolver a falta de dados, os pesquisadores desenvolveram um método chamado Fenotipagem de Campo de Alto Rendimento (HTFP). Esse método usa tecnologia de imagem pra monitorar o crescimento do trigo ao longo do tempo, permitindo a coleta de dados extensivos sobre o desenvolvimento das plantas. Os pesquisadores podem usar diferentes abordagens pra analisar esses dados, desde examinar características em momentos-chave até criar modelos que mostram padrões de crescimento, além de métodos que analisam imagens diretamente ao longo do tempo.

O objetivo da coleta desses dados é unir biologia vegetal, medições biométricas e estudos de visão computacional pra melhorar as previsões de como diferentes tipos de trigo vão crescer sob várias condições climáticas.

#Plataforma de Fenotipagem de Campo (FIP)

A Plataforma de Fenotipagem de Campo (FIP) situada no ETH Zurich começou a operar em 2015 pra reunir dados sobre o cultivo de trigo em condições de campo realistas. Ela utiliza um sistema de cabos pra suportar uma cabeça de sensor pesada capaz de capturar imagens e dados sobre as plantas. A primeira versão dessa cabeça de sensor, chamada FIP 1.0, incluía câmeras pra capturar imagens e um scanner a laser pra medir as alturas das plantas. De 2015 a 2022, os pesquisadores coletaram dados de experimentos com trigo ao longo de seis anos, excluindo alguns anos incompletos. Eles frequentemente capturavam imagens dos lotes de trigo e mediam as alturas das plantas, tanto com scanners a laser quanto com drones.

Em 2023, a FIP 1.0 foi atualizada pra incluir uma cabeça de sensor mais avançada que pode capturar imagens de múltiplos ângulos. Esse conjunto de dados inclui todas as imagens e medidas de altura dos experimentos com trigo realizados até a instalação da nova cabeça de sensor.

#Visão Geral dos Dados Coletados

O conjunto de dados consiste em dados de doze lotes de trigo ao longo de seis anos, com mais de 350 lotes de trigo a cada ano, totalizando mais de 4.000 lotes e cerca de 160.000 imagens tiradas. As imagens mostram lotes individuais com detalhes específicos anotados, como as posições das plantas. A FIP pode monitorar uma área de aproximadamente um hectare, dividida em seis partes que cultivam trigo e seguem um plano de rotação de culturas.

Nos primeiros anos de coleta de dados, um conjunto de tipos de trigo de inverno registrado no painel GABI-WHEAT foi utilizado. Nos anos seguintes, variedades adicionais foram cultivadas, incluindo novas raças desenvolvidas na Suíça. Este painel GABI-WHEAT contém diferentes tipos de trigo de vários climas da Europa. Dados genéticos e ambientais relacionados a esses tipos de trigo estão disponíveis para o público.

#Mudanças nos Genótipos ao Longo dos Anos

Em 2021, o painel GABI-WHEAT foi em grande parte substituído por um novo conjunto de tipos de cultivo. Esses novos tipos eram em sua maioria genótipos de oitava geração. Embora haja dados genéticos para esses tipos, eles não estão disponíveis publicamente. Outras variedades ligadas a projetos específicos também foram cultivadas por períodos mais curtos.

Ao longo dos anos, os pesquisadores mediram várias características através de diferentes projetos. Isso incluiu observações sobre quando as plantas florescem e quando começam a morrer, o que ajuda a entender as relações com doenças. Além disso, as medições de rendimento foram combinadas com dados de diferentes locais pra melhorar as previsões sobre como as colheitas vão desempenhar.

As imagens coletadas ao longo dos anos também ajudaram a quantificar quanto do solo é coberto por plantas. Eles também estudaram os efeitos de eventos de danos por geada. Em um subconjunto menor de imagens, as espigas de trigo foram marcadas e incluídas em um conjunto de dados público para detecção global de espigas em trigo.

#Acessibilidade e Estrutura do Conjunto de Dados

O conjunto de dados é estruturado pra seguir os princípios FAIR, ou seja, é Encontrável, Acessível, Interoperável e Reutilizável. Isso garante que os pesquisadores possam facilmente encontrar e usar os dados para seus próprios estudos.

Os dados estão disponíveis em um local de armazenamento confiável e podem ser exportados em vários formatos para diferentes usos. Eles são liberados sob uma licença que permite o uso contínuo, o que significa que podem ser reutilizados para outros projetos de pesquisa.

#Experimentos de Campo e Coleta de Dados

Todos os experimentos de campo aconteceram na estação de pesquisa do ETH na Suíça. A composição do solo foi analisada, revelando que possui uma mistura equilibrada de argila e silte, além de certos níveis de matéria orgânica. A agricultura incluiu rotação de culturas como soja e trigo sarraceno antes do plantio do trigo de inverno.

Depois que as culturas iniciais foram colhidas, o solo foi preparado e o trigo foi plantado em linhas com uma distância específica entre cada linha. Herbicidas foram aplicados logo após o plantio pra manter os lotes livres de ervas daninhas. Fertilizantes foram usados em etapas durante todo o processo de crescimento.

A cada ano, detalhes específicos sobre o plantio e a colheita foram registrados, incluindo as datas exatas de cada processo.

#Coleta e Processamento de Dados de Imagem

O sistema FIP consiste em dois componentes principais: o sistema de transportes que suporta os sensores e a cabeça do sensor em si. O sistema de transportes é projetado pra se mover com precisão pra capturar as melhores imagens sem perturbar as plantas.

A cabeça de sensor FIP 1.0 consistia em uma câmera de alta resolução que tirava fotos dos lotes de trigo. Essas imagens foram capturadas usando várias configurações automáticas pra garantir consistência.

Pra garantir que imagens tiradas em diferentes momentos pudessem ser comparadas com precisão, um sistema de registro de imagens foi empregado. Esse sistema alinha imagens da mesma área tiradas em momentos diferentes pra que possam ser analisadas juntas.

O processo envolve encontrar características específicas em imagens e ajustá-las pra garantir que coincidam corretamente ao longo do tempo. Isso é crucial pra analisar como as plantas crescem e como reagem a condições em mudança.

#Preparação dos Dados para Análise

As imagens coletadas foram convertidas em um formato que os pesquisadores pudessem usar facilmente sem perder qualidade. Além disso, as imagens foram processadas pra extrair dados específicos sobre as plantas, como quanto do solo as plantas cobrem e quão altas elas são.

Medições pra avaliar características como rendimento de grãos foram realizadas colhendo seções específicas dos lotes e avaliando-as em condições controladas pra garantir resultados precisos.

#Entendendo Características e Sua Análise

As características medidas nos experimentos podem ser categorizadas em características de baixo nível, que mudam ao longo do tempo, características intermediárias, que são derivadas de características de baixo nível, e características-alvo, que são vitais para fins de cultivo e agricultura.

As características de baixo nível incluíam medições como altura da planta e cobertura do dossel, enquanto as características intermediárias envolviam avaliar quando as plantas começaram a florescer e quão altas cresceram até o final da temporada.

Pra avaliar como as características variavam com base na genética, os pesquisadores calcularam a herdabilidade, que ajuda a entender quanto da variação das características pode ser atribuída a fatores genéticos. Os valores de herdabilidade ajudam em programas de cultivo pra selecionar as melhores variedades para o cultivo.

#Fatores Ambientais

Os pesquisadores mediram vários fatores ambientais como temperatura, umidade e luz solar. Esses dados foram coletados usando estações meteorológicas próximas e usados pra avaliar como diferentes condições poderiam afetar o crescimento das colheitas.

Essas variáveis ambientais foram essenciais pra entender como diferentes variedades de trigo poderiam performar sob diferentes cenários climáticos.

#Coleta de Dados de Marcadores Genéticos

Dados de marcadores genéticos são cruciais pra estudar como genes específicos influenciam características nas plantas. Esses dados, obtidos de testes genéticos, permitem que os pesquisadores conectem características a marcadores genéticos específicos.

Duas conjuntos de marcadores genéticos foram compilados, um de dados públicos e outro de fontes privadas. Os marcadores ajudam a entender as relações genéticas entre diferentes variedades de trigo e avaliar seu potencial para cultivar novas variedades melhoradas.

#Estrutura e Avaliação dos Dados

Pra garantir que o conjunto de dados seja utilizável para futuras pesquisas, ele foi organizado em um formato acessível. Os dados de cada lote são registrados em uma tabela que inclui imagens, características, dados ambientais e informações sobre marcadores genéticos.

Um método de divisão dos dados em conjuntos de treinamento e teste com base na relação genética foi aplicado. Essa abordagem ajuda a melhorar os modelos que preveem como diferentes variedades de trigo vão desempenhar em várias condições.

#Reutilizando os Dados para Pesquisas Futuras

O conjunto de dados oferece oportunidades valiosas para novas pesquisas sobre genômica e fenômica de colheitas. Várias abordagens de modelagem podem ser desenvolvidas usando esses dados pra melhorar as previsões de desempenho das colheitas.

Os pesquisadores podem explorar previsões genômicas que incorporam interações entre genótipos e ambientais. Além disso, eles podem modelar o crescimento e desenvolvimento das plantas ao longo do tempo usando os dados de características coletados durante a temporada de crescimento.

O conjunto de dados também possibilita o desenvolvimento de métodos de previsão baseados em imagens que utilizam imagens em série temporal pra prever o rendimento futuro e outras características importantes.

#Exemplo de Acesso e Uso

Pesquisadores interessados em usar o conjunto de dados podem acessá-lo através de várias ferramentas disponíveis para análise de dados. Essas ferramentas oferecem exemplos de como carregar e processar os dados, permitindo uma integração suave em diferentes projetos de pesquisa.

#Conclusão

O conjunto de dados coletado pelo sistema FIP oferece um recurso abrangente pra estudar o trigo de inverno e seu desempenho sob várias condições. Ligando dados genéticos, fenotípicos e ambientais, os pesquisadores podem desenvolver melhores estratégias de cultivo e melhorar a produção agrícola, abordando, em última análise, os desafios impostos pelas mudanças climáticas e pela crescente demanda global por alimentos.