La temperatura es uno de los factores más importantes que determinan el crecimiento, desarrollo y rendimiento de las plantas. Los datos precisos sobre las respuestas de los cultivos a la temperatura son esenciales para predecir los impactos potenciales de un futuro clima más cálido en la producción de cultivos.

El fenotipado de campo de alto rendimiento representa la capacidad de detectar de forma remota y no destructiva el crecimiento de los cultivos de manera de alto rendimiento para caracterizar con precisión cientos de genotipos en condiciones de campo. Las grandes cantidades resultantes de datos de observaciones objetivas y repetidas se pueden utilizar para cuantificar la respuesta de crecimiento específica del genotipo a la temperatura.

Sin embargo, la capacidad de determinar la idoneidad de los modelos de respuesta específicos del genotipo a partir de datos derivados del campo es difícil, según el Dr. Lukas Roth del Instituto de Ciencias Agrícolas de ETH Zurich. “Las mediciones de campo son notoriamente 'ruidosas' debido a las faltas de homogeneidad ambiental y del suelo ya los errores de medición. Por lo tanto, nunca sabemos la 'verdad' de los datos de campo y, por lo tanto, no podemos juzgar si nuestro modelo predice correctamente la respuesta del crecimiento a las temperaturas".

Gráficos del modelo lineal de respuesta a la temperatura y el modelo asintótico de respuesta a la dosis basados ​​en una tasa de crecimiento absoluta máxima (rmax), temperatura mínima (Tmin) y pendiente de la respuesta (lrc). Las temperaturas están en el eje x y las tasas de crecimiento están en el eje y.

Por ello, en un nuevo artículo publicado en in silico plantas, Roth y colegas usó un modelo para generar datos con datos estacionales distribuciones de temperatura en condiciones de campo. Luego pudieron verificar la precisión de un enfoque de modelo lineal existente en comparación con un nuevo modelo asintótico propuesto para extraer la respuesta de crecimiento específica del genotipo a las temperaturas.

Primero, se generaron datos de altura de plantas para varios genotipos de trigo usando una simulación basada en el Función de respuesta de Wang-Engel. El modelo de Wang-Engel simula el desarrollo de cultivos basándose en la respuesta no lineal del desarrollo de la planta a la temperatura. Los genotipos caracterizaron diferentes respuestas de crecimiento a las temperaturas cardinales y máxima tasa absoluta de crecimiento. El crecimiento estacional del dosel se simuló en base a cinco años de datos de temperatura. Los autores simularon intervalos de medición de 3, 7 y 14 días para determinar qué intervalo de recopilación de datos fue suficiente para cuantificar la respuesta de crecimiento específica del genotipo a la temperatura.

Primer panel: mediciones de temperatura de 0 a 30 grados centígrados en el eje x y tasa de elongación del tallo simulada en el eje y. Las curvas simuladas para 200 genotipos utilizando la función dosis-respuesta de Wang-Engel muestran temperaturas mínimas, óptimas y máximas. Segundo, tercer y cuarto panel: Temporada de crecimiento en el eje x y altura simulada del dosel en el eje y. La altura del dosel para 200 genotipos muestra inicios, paradas y fases de retraso característicos.
Tasas de crecimiento simuladas basadas en un modelo de curva dosis-respuesta de Wang-Engel (a) y alturas del dosel (b) para 200 genotipos simulados y tres años.

A continuación, compararon la capacidad del modelo lineal existente con un nuevo modelo asintótico para predecir los parámetros de respuesta a la temperatura a partir de los datos simulados.

“El enfoque lineal se usa ampliamente en nuestro campo de investigación y promete una gran solidez, pero cuanto más precisos se volvieron nuestros datos de fenotipado, más a menudo vimos evidencia de una relación no lineal”, explica Roth.

Los autores encontraron que el modelo asintótico extrajo la temperatura base de crecimiento y la tasa de crecimiento absoluta máxima con alta precisión, mientras que el modelo lineal más simple no lo hizo. Además, el modelo asintótico proporcionó una estimación indirecta de la temperatura óptima. Sin embargo, al incluir las temperaturas cardinales que cambian estacionalmente a medida que se desarrollan las plantas, la precisión de predicción del modelo asintótico se redujo considerablemente.

Con respecto a la resolución de muestreo de alto rendimiento, los autores encontraron que los intervalos de medición de aproximadamente cuatro días fueron suficientes para extraer de manera confiable la temperatura cardinal mínima y la tasa de crecimiento absoluta máxima. Esta es una buena noticia para aquellos momentos en los que no es posible realizar mediciones periódicas, como en condiciones climáticas adversas y fines de semana largos.

LEE EL ARTÍCULO:

Lukas Roth, Hans-Peter Piepho, Andreas Hund, Procesamiento de datos fenómicos: extracción de parámetros de la curva dosis-respuesta de cursos de temperatura de alta resolución y mediciones repetidas de la altura del trigo en el campo, in silico Plants, 2022; diac007, https://doi.org/10.1093/insilicoplants/diac007

Los datos y el código fuente que respaldan los hallazgos de este estudio están disponibles abiertamente en el repositorio ETH GitLab en https://gitlab.ethz.ch/crop_phenotyping/htfp_data_processing.