Starke Winde und Regen können dazu führen, dass Maisstängel brechen, was die Ernte erschwert und den Ernteertrag verringert. Die weltweiten Erträge von Getreidekulturen werden derzeit aufgrund von Halmablagerungen jährlich um 5 % reduziert. Es wird erwartet, dass der Klimawandel zu häufigeren Windereignissen führen wird, was die Wahrscheinlichkeit von Ablagerungen erhöht.
Der erste Schritt zur Verbesserung der Ablagerungsresistenz durch Züchtung und/oder Biotechnologie besteht darin, die Rolle einzelner morphologischer Merkmale des Stiels aufzuklären, die die Biegefestigkeit des Stiels steuern, was ein entscheidender Faktor bei der Bestimmung der Ablagerungsresistenz ist.
Eine neue Studie veröffentlicht in in silico Plants stellt eine neue Methode vor, um zu ermitteln, wie einzelne morphologische Merkmale von Maisstängeln deren Steifigkeit und Festigkeit beeinflussen. Der Doktorand Michael Ottesen und Kollegen in der Abteilung für Maschinenbau der Brigham Young University erstellten ein dreidimensionales Modell des Maisstängels, einschließlich seiner Geometrie und Materialeigenschaften, um die Biegesteifigkeit und Endfestigkeit zu bewerten.
Die Autoren verwendeten Dreipunkt-Biegetests und CT-Scans zuvor durchgeführt für 900 Maisstängel zur Parametrisierung des Modells.

Bei den Biegeversuchen wurden die Stiele schrittweise belastet, bis ein Knicken auftrat. Dieser Testansatz ermöglichte die empirische Messung zweier mechanischer Merkmale jedes Stiels: Biegesteifigkeit und Biegefestigkeit.
Die Stielquerschnittsparameter wurden aus den CT-Daten extrahiert. Dies ermöglichte es den Autoren, die unterschiedlichen mechanischen Eigenschaften von Mark und Schwarte in das Modell zu integrieren.
Mithilfe einer Kombination aus maschinellem Lernen und Merkmalserkennung wurden 51 einzigartige Parameter erstellt, die am besten mit der Biegesteifigkeit und der Endfestigkeit korrelieren.
Die Autoren testeten das Modell, indem sie die Biegesteifigkeit und Festigkeit simulierter Schäfte mit tatsächlichen Schäften mit denselben Parametern verglichen. Das neue Modell erfasste das Verhalten und die Trends, die in empirischen Tests an Maisstängeln beobachtet wurden, genau.

Durch eine genauere Steuerung der Stengelmorphologiewerte können Benutzer präziser bestimmen, welche morphologischen Veränderungen den größten Kraftzuwachs bei der kleinsten Gesamtänderung der Morphologie und der gesamten Stängelmasse bewirken könnten.
Dieses neue Modell kann verwendet werden, um zu identifizieren, welche morphologischen Veränderungen den größten Kraftzuwachs bei der kleinsten Gesamtänderung der Morphologie und der gesamten Stielmasse bewirken könnten. Da alle Körner auf einer ähnlichen geometrischen Architektur beruhen, kann dieses Modell außerdem parametrisiert werden, um es auf andere Getreidearten wie Sorghum, Weizen, Hafer und Reis anzuwenden.
DER ARTIKEL::
Michael Ottesen, Joseph Carter, Ryan Hall, Nan-Wei Liu, Douglas D Cook, Entwicklung und stochastische Validierung eines parametrisierten Modells der Biegung und Knickung von Maisstängeln, in silico Plants, Band 5, Ausgabe 2, 2023, diad010, https://doi.org/10.1093/insilicoplants/diad010
