logo821.gif (10572 bytes) 首頁          新增資料與公告

   

最新消息  :

農業數位化-農業4.0系統文獻評論

農業和營養物大數據

MICA 項目中將數據和資訊轉化為知識

 

 

智能生物產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
活動公告區
數據分析與知識產業

 

 
為什麼數據驅動作物方法可以徹底改變您的種植作業
 

中興大學 生物系統工程研究室 陳加忠

 
 

資料來源:

https://phylos.bio/blog/why-a-data-driven-approach-to-your-crops-can-revolutionize?utm_source=dentr-form&utm_medium=email&utm_campaign=densitytrial

數據驅動農業與傳統農業技術

我們正處於數據分析的時代。無論到哪裡,都會被數據收集和分析所包圍。那些抱著“為什麼要修復那些未損壞的東西”心態的人會抵制這個概念。但是當涉及到農業種植業務時,數據分析不一定能修復系統,它只是改進。

傳統上,大麻是通過表型育種培育出來的。換句話說,培育你的植物,識別表型特徵,然後選擇植物與其他具有理想特徵的植物雜交。這種植物雜交是育種者在嘗試將新特性引入不同植物時,使用的一種方法。

那麼,數據如何比使用了 300 多年的技術提供更好的方法呢?它沒有提供更好方法,它是改進並加快了這個過程。數據驅動的植物育種技術使種植者能夠縮短週期時間,提高選擇的準確性,並可以加速得到遺傳性。通過收集數據、分析植物的品種並在其幼苗階段尋找遺傳標記,就能夠在植物生命週期的早期,即確定其成熟的潛力。這不僅減少選定植物種植至成熟所需的時間,還減少了空間和資源。

數據如何用於識別所需的植物品種?

有許多方法可以利用數據為種植者創造更具遺傳性的植物。例如通過對植物的基因型(例如, DNA、 SNP 和標記)、其表型(例如,產量、高度、抗病性等)和化學型(例如大麻素成分萜烯)進行深入的統計分析。先進的植物育種技術利用植物基因組之間的差異和相似性。此外這種方法可以顯示遺傳標記是否與所需性狀相關,並加速雜交選擇。這種最佳化育種類型在玉米、大豆和油菜等其他作物上已經花費了數十年時間。

數據驅動植物育種的另一個例子是標記輔助選擇(MAS)。這種方法涉及快速選擇大麻品種中的重要性狀,從而更快地育出更好的品種。 MAS 還使育種者能夠在每個育種週期中同時處理更多性狀。

數據驅動的農業方法如何具體改善種植營運?

除了穩定的品種之外,還有幾個原因可以讓數據分析視為徹底改變種植作業的秘密武器。

1.降低成本 - 為提高產量、耐旱性等農藝性狀進行育種可以降低投入成本。降低成本,有著更高的利潤,並最終在市場上更具競爭力。

2.提高能源效率 - 適用於室外或溫室(混合光)生產系統的品種,如Phylos提供的自花品種與室內種植相比,可將電力需求減少多達 40 倍。而室內種植的運行和維護成本非常昂貴.

3.提高產量 - 隨著成本的降低,更高的產量會增加的投資回報率,並且還可以在競爭激烈的市場中發揮差異化作用。

4.提高空間和勞動力效率 - 統一、一致的品種可以提高生產空間的效率。因為它們表現出可預測的特徵,例如高度和寬度、分枝結構和密度要求。使用自動開花或短季品種,還可以利用交錯收成的優勢,提供全年穩定的收入來源。

5.縮短上市時間 - 能夠根據時間表而不是日長,準確地知道作物何時成熟不是很好嗎?像Phylos一樣的自動開花 AutoCBD品種和 F1 混合動力車為農民提供了這種確切的能力。自花品種的可預測性,允許種植者在一個季節安排多次收穫。由於自花品種不需要光照遮蔽,種植者還可以使用室外和溫室生產系統的組合。

6.提高一致性-對種植者來說,植物生長的一致性代表著更容易收穫、更可靠的成熟時間和降低作物損失的風險。就最終產品而言,一致性代表著最終用戶每次都收到相同的產品組合,並且可以依賴產品來獲得一致的體驗。

7.提高發芽率 - 始終如一的高發芽率導致花費更少的時間和金錢來處理重新種植種子或浪費的空間。

總體而言,在營運使用數據驅動技術的種植者和育種者,可以更有效和一致的速度種植更多植物的能力。簡而言之,數據可以讓您更好地了解您的營運優勢和劣勢。

大數據不是對小型種植者的威脅嗎?

一點也不!儘管Phylos 的植物品種是為大型商業種植者而開發的,但我們希望所有種植者在生產、收穫和投資回報方面都能取得最佳結果。數據的可用性最終代表著獲得更多資訊和工具,這些資訊和工具可以為所有植物育種者提供有關品種及其對性狀影響的各種資訊。這使每個人都可以比傳統的表型育種技術更快地開發新品種。數據驅動的植物育種是未來。

準備好下一步使用數據來改善您的增長營運了嗎?我們建議您在種植前查看我們關於要問的問題的文章