Los puntos clave no están disponibles para este artículo en este momento.
Con la explosión de la población global, la creciente demanda de suministro de alimentos impulsa el desarrollo de métodos de mejoramiento avanzados. Este estudio presenta un modelo de cultivos basado en procesos y datos en dos etapas para proporcionar recomendaciones de mejoramiento basadas en efectos de Genotipo x Ambiente (GxE) para el sorgo, un cultivo cereal vital con varios tipos de plantas, como Grano (G), Forraje (F), Doble Propósito (DP) y Sensible al Fotoperiodo (PS). El modelo combina el modelado de cultivos basado en procesos tradicional con métodos de datos explicables, lo que aumenta la interpretabilidad general y la flexibilidad del modelo. El modelo considera amplios datos ambientales, incluyendo siete años de registros meteorológicos horarios y factores del suelo de tres granjas de investigación en Iowa, junto con prácticas de manejo e información parental de 651 machos y 131 hembras. Además, el modelo predice el peso seco horario de las hojas, tallos y granos de sorgo, y predice el rendimiento final basado en las prácticas de manejo. El error cuadrático medio relativo combinado final alcanzó entre el 16% y el 19% en diversas condiciones ambientales, lo que demuestra las robustas capacidades predictivas. Además, el modelo identificó efectivamente híbridos elite en cuatro tipos distintos de sorgo, lo que también demostró su utilidad para reducir la necesidad de extensas pruebas de campo. Adicionalmente, nuestro análisis de las interacciones genotipo por ambiente reveló una variabilidad significativa en el rendimiento, lo que indica que las estrategias de mejoramiento precisas personalizadas para las condiciones ambientales son importantes y vitales. Esta investigación destaca que nuestro marco de modelo híbrido explicable puede mejorar significativamente el modelado de cultivos y la mejora de plantas, haciendo que la agricultura sea más eficiente y sostenible.
Ni et al. (Jue,) estudiaron esta cuestión.