向系统农业生态学:设计和控制杂交作物
Sirio Belga Fedeli1, Stanislas Leibler1,2
1Simons Center for Systems Biology, School of Natural Sciences, Institute for Advanced Study, Princeton, NJ 08540.
间作物 (IC) 提供可持续农业的好处,但缺乏预测模型. 本研究开发了一种数据驱动的方法,以优化特定条件下的IC,提高农业的弹性和生产力.
科学领域:
- 农业科学 农业科学
- 系统生物学 系统生物学
- 数据科学数据科学数据科学
背景情况:
- 工业单一作物农业面临着气候变化和资源枯竭带来的挑战.
- 交叉种植 (IC),即将多种作物种种一起种植,显示出改善土壤健康,减少侵蚀和有效使用肥料的潜力.
- 目前在量化预测,设计和控制特定环境的IC以及评估其稳定性方面存在局限性.
研究的目的:
- 开发一种量化,数据驱动的方法,用于预测,设计和控制交叉作物 (IC) 系统.
- 在各种环境和农业条件下评估IC战略的稳定性.
- 通过实现优化多种作物种植系统,为"系统农业"奠定基础.
主要方法:
- 编制了2258个IC实验的数据集,包括274种植物对,土壤特征,环境/农业条件和作物特征.
- 应用数据科学和系统生物学方法,包括25维变量空间的维度缩小.
- 开发了一种计算方法来预测相对于单独种植的IC产量.
主要成果:
- 成功地预测了相对于单独种植的交叉作物 (IC) 产量,使用一组减少的变量,高准确度.
- 证明了在给定的环境条件下选择最佳伴侣植物和农业实践的能力.
- 提供了一种方法来估计IC系统对外部干扰的强度.
结论:
- 开发的计算方法可以通过数据驱动优化杂交作物 (IC) 来提高农业的可持续性.
- 这种方法有助于选择适合特定环境环境的作物组合和管理实践.
- 该方法是朝着"系统农业"迈出的重要一步,促进了弹性和高效的多作物农业系统.
更多相关视频
11:16A Hydroponic Co-cultivation System for Simultaneous and Systematic Analysis of Plant/Microbe Molecular Interactions and Signaling
Published on: July 22, 2017
11:53Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
相关概念视频
Plant Breeding and Biotechnology
Adaptations that Reduce Water Loss
Microorganisms in Agriculture and Food industry
Key Elements for Plant Nutrition
Design Example: Design of an Irrigation Channel
Defenses Against Pathogens and Herbivores
