Die Temperatur ist einer der wichtigsten Faktoren, die das Pflanzenwachstum, die Entwicklung und den Ertrag bestimmen. Genaue Daten über die Reaktion der Pflanzen auf die Temperatur sind unerlässlich, um die potenziellen Auswirkungen eines künftig wärmeren Klimas auf die Pflanzenproduktion vorherzusagen.

Hochdurchsatz-Feldphänotypisierung stellt die Fähigkeit dar, das Pflanzenwachstum zerstörungsfrei und aus der Ferne im Hochdurchsatz zu erfassen, um Hunderte von Genotypen unter Feldbedingungen genau zu charakterisieren. Die daraus resultierenden riesigen Mengen wiederholter, objektiver Beobachtungsdaten können verwendet werden, um die genotypspezifische Wachstumsreaktion auf die Temperatur zu quantifizieren.

Laut Dr. Lukas Roth vom Institut für Agrarwissenschaften der ETH Zürich ist es jedoch schwierig, die Angemessenheit genotypspezifischer Reaktionsmodelle anhand von Felddaten zu bestimmen. „Feldbasierte Messungen sind aufgrund von Umgebungs- und Bodeninhomogenitäten und Messfehlern notorisch ‚verrauscht'. Daher kennen wir nie die ‚Wahrheit‘ von Felddaten und können daher nicht beurteilen, ob unser Modell die Wachstumsreaktion auf Temperaturen korrekt vorhersagt.“

Diagramme des linearen Temperaturreaktionsmodells und des asymptotischen Dosis-Wirkungs-Modells basierend auf einer maximalen absoluten Wachstumsrate (rmax), einer minimalen Temperatur (Tmin) und einer Steilheit der Reaktion (lrc). Temperaturen auf der x-Achse und Wachstumsraten auf der y-Achse.

Daher in einem neuen Papier veröffentlicht in in silico Pflanzen, Roth und Kollegen verwendet ein Modell, um Daten mit saisonalen Daten zu generieren Temperaturverteilungen unter Feldbedingungen. Sie waren dann in der Lage, die Genauigkeit von a zu überprüfen bestehenden linearen Modellansatz verglichen mit einem vorgeschlagenen neuen asymptotischen Modell, um die genotypspezifische Wachstumsreaktion auf Temperaturen zu extrahieren.

Zunächst wurden Pflanzenhöhendaten für mehrere Weizengenotypen unter Verwendung einer Simulation basierend auf der generiert Wang-Engel-Antwortfunktion. Das Wang-Engel-Modell simuliert die Pflanzenentwicklung basierend auf der nichtlinearen Reaktion der Pflanzenentwicklung auf die Temperatur. Die Genotypen charakterisierten unterschiedliche Wachstumsreaktionen auf Kardinaltemperaturen und maximale absolute Wachstumsrate. Das saisonale Kronenwachstum wurde basierend auf Temperaturdaten von fünf Jahren simuliert. Die Autoren simulierten Messintervalle von 3, 7 und 14 Tagen, um zu bestimmen, welches Datenerfassungsintervall ausreicht, um die genotypspezifische Wachstumsreaktion auf die Temperatur zu quantifizieren.

Erstes Panel: Temperaturmessungen von 0 bis 30 Grad Celsius auf der x-Achse und simulierte Stängeldehnungsrate auf der y-Achse. Kurven, die für 200 Genotypen unter Verwendung der Wang-Engel-Dosis-Wirkungs-Funktion simuliert wurden, zeigen minimale, optimale und maximale Temperaturen. Zweites, drittes und viertes Feld: Wachstumssaison auf der x-Achse und simulierte Überdachungshöhe auf der y-Achse. Die Kronenhöhe für 200 Genotypen zeigt charakteristische Starts, Stopps und Verzögerungsphasen.
Simulierte Wachstumsraten basierend auf einem Wang-Engel-Dosis-Antwort-Kurvenmodell (a) und Baumkronenhöhen (b) für 200 simulierte Genotypen und drei Jahre.

Als nächstes verglichen sie die Fähigkeit des bestehenden linearen Modells mit einem neuen asymptotischen Modell, Temperaturreaktionsparameter aus den simulierten Daten vorherzusagen.

„Der lineare Ansatz ist in unserem Forschungsgebiet weit verbreitet und verspricht eine große Robustheit, aber je genauer unsere Phänotypisierungsdaten wurden, desto häufiger sahen wir Hinweise auf einen nichtlinearen Zusammenhang“, erklärt Roth.

Die Autoren fanden heraus, dass das asymptotische Modell die Basistemperatur des Wachstums und die maximale absolute Wachstumsrate mit hoher Präzision extrahierte, während das einfachere lineare Modell dies nicht konnte. Zusätzlich lieferte das asymptotische Modell eine Proxy-Schätzung für die optimale Temperatur. Wenn jedoch saisonal wechselnde Kardinaltemperaturen während der Pflanzenentwicklung berücksichtigt wurden, wurde die Vorhersagegenauigkeit des asymptotischen Modells stark reduziert.

In Bezug auf die hohe Abtastauflösung stellten die Autoren fest, dass Messintervalle von etwa vier Tagen ausreichten, um die minimale Kardinaltemperatur und die maximale absolute Wachstumsrate zuverlässig zu extrahieren. Dies ist eine gute Nachricht für Zeiten, in denen regelmäßige Messungen nicht möglich sind, z. B. bei schlechten Wetterbedingungen und langen Wochenenden.

DER ARTIKEL::

Lukas Roth, Hans-Peter Piepho, Andreas Hund, Phenomics-Datenverarbeitung: Extraktion von Dosis-Wirkungs-Kurvenparametern aus hochauflösenden Temperaturverläufen und wiederholten feldbasierten Weizenhöhenmessungen, in silico Plants, 2022; diac007, https://doi.org/10.1093/insilicoplants/diac007

Daten und Quellcode, die die Ergebnisse dieser Studie unterstützen, sind im ETH GitLab-Repository unter frei verfügbar https://gitlab.ethz.ch/crop_phenotyping/htfp_data_processing.