• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Naturen
    Vädret i viktiga tillväxtstadier förutspår majsutbytet i Mellanvästern och spannmålskvaliteten, säger studien

    Genomsnittlig majskornskvalitet över hela Mellanvästern, med röda områden som visar de högsta proteinnivåerna som graderas till lila, visar det lägsta proteinet men högsta avkastningen. Upphovsman:Carrie Butts-Wilmsmeyer, University of Illinois

    Majs planteras på cirka 90 miljoner tunnland över hela USA varje år. Med all den informationen, det tar månader efter skörden för myndigheter att analysera totalavkastning och spannmålskvalitet. Forskare arbetar med att förkorta den tidslinjen, göra förutsägelser för slutet av säsongen avkastning i mitten av säsongen. Dock, färre forskare har tacklat förutsägelser av spannmålskvalitet, särskilt på stora skalor. En ny studie från University of Illinois börjar fylla den luckan.

    Studien, publicerad i Agronomi , använder en nyutvecklad algoritm för att förutsäga både säsongsavkastning och spannmålssammansättning-andelen stärkelse, olja, och protein i kärnan - genom att analysera vädermönster under tre viktiga steg i majsutvecklingen. Viktigt, förutsägelserna gäller hela majsgrödan i Mellanvästern i USA, oavsett majsgenotyper eller produktionsmetoder.

    "Det finns flera studier som bedömer faktorer som påverkar kvaliteten för specifika genotyper eller specifika platser, men innan denna studie, vi kunde inte göra allmänna förutsägelser i den här skalan, "säger Carrie Butts-Wilmsmeyer, forskningsassistent professor vid Institutionen för grödor vid U of I och medförfattare till studien.

    När majs kommer till hissar över hela Mellanvästern varje säsong, U.S. Grains Council tar prover för att bedöma sammansättning och kvalitet för sina årliga sammanfattande rapporter, som används för exportförsäljning. Det var denna omfattande databas som Butts-Wilmsmeyer och hennes kollegor använde för att utveckla sin nya algoritm.

    "Vi använde data från 2011 till 2017, som omfattade såväl torkaår som rekordår, och allt däremellan, "säger Juliann Seebauer, huvudforskningsspecialist vid U vid I:s avdelning för grödor och medförfattare till studien.

    Forskarna parade ihop spannmålskvalitetsdata med väderdata 2011-2017 från regionerna som matades in i varje spannmålshiss. För att bygga sin algoritm, de koncentrerade sig på vädret under tre kritiska perioder - uppkomst, silke, och spannmålsfyllning - och fann att den starkaste förutsägaren för både spannmålsutbyte och sammansättningskvalitet var vattentillgänglighet under silkning och spannmålsfyllning.

    Analysen gick djupare, identifiera förhållanden som leder till högre olje- eller proteinkoncentrationer - information som är viktig för spannmålsköpare.

    Andelen stärkelse, olja, och protein i majskorn påverkas av genotyp, tillgång på jord näringsämnen, och väder. Men vädereffekten är inte alltid okomplicerad när det gäller protein. Vid torka, stressade växter avsätter mindre stärkelse i säden. Därför, spannmålen har proportionellt mer protein än för växter som inte upplever torkstress. Bra väder kan också leda till högre proteinkoncentrationer. Gott om vatten betyder att mer kväve transporteras in i växten och införlivas i proteiner.

    I analysen, "spannmålsprotein och oljenivåer över genomsnittet gynnades av mindre kväveläckning under tidig vegetativ tillväxt, men också högre temperaturer vid blomning, medan större olja än proteinkoncentrationer berodde på lägre temperaturer under blomning och spannmålsfyllning, "säger författarna i studien.

    Möjligheten att bättre förutsäga protein- och oljekoncentrationer i spannmål kan påverka globala marknader, med tanke på den växande inhemska och internationella efterfrågan på majs med högre proteinhalt för djurfoder. Med den nya algoritmen, det borde vara teoretiskt möjligt att göra avkastning i slutet av säsongen och kvalitetsprognoser veckor eller månader före skörden helt enkelt genom att titta på vädermönster.

    "Andra forskare har uppnått avkastningsprognoser i realtid med mycket mer komplexa data och modeller. Vårt var en relativt enkel metod, men vi lyckades lägga till kvalitetsstycket och uppnå anständig noggrannhet, "Butts-Wilmsmeyer säger." De vädervariabler som vi fann vara viktiga i denna studie kan användas i mer komplexa analyser för att uppnå ännu större noggrannhet när det gäller att förutsäga både avkastning och kvalitet i framtiden. "


    © Vetenskap https://sv.scienceaq.com