L'algorithme neuf analyse des configurations de conditions météorologiques pour prévoir la composition de puissance et de texture du maïs

Du maïs est planté sur approximativement 90 millions d'acres en travers des Etats-Unis chaque année. Avec tous ce que la caractéristique, cela prend des mois après récolte pour que les agences gouvernementales analysent la qualité de production totale et de texture. Les scientifiques travaillent pour diminuer cette chronologie, effectuant des prévisions pour la puissance d'extrémité-de-saison par de pleine saison. Cependant, moins chercheurs ont abordé des prévisions de qualité de texture, particulièrement sur des larges échelles. Une étude neuve d'Université de l'Illinois commence à combler cette lacune.

L'étude, publiées en agronomie, utilisations un algorithme developpé récemment de prévoir la puissance d'extrémité-de-saison et la composition de texture - la proportion d'amidon, de pétrole, et de protéine au noyau - en analysant des configurations de conditions météorologiques pendant trois étapes importantes dans le développement de maïs. D'une manière primordiale, les prévisions s'appliquent à la collecte entière de maïs de Midwest aux Etats-Unis, indépendamment des génotypes de maïs ou des pratiques en matière de production.

« Il y a plusieurs études évaluant des facteurs influençant la qualité pour des génotypes spécifiques ou l'emplacement spécifique, mais avant que cette étude, nous ne pourrions pas effectuer des prévisions générales à cette écaille, » dit les Bouts-Wilmsmeyer de Carrie, le professeur d'aide à la recherche dans le service des sciences de collecte à U d'I et le co-auteur de l'étude.

Pendant que le maïs obtient aux ascenseurs en travers du Midwest chaque saison, le Conseil de textures des États-Unis prélève des échantillons pour évaluer la composition et la qualité pour leurs procès-verbaux annuels, qui sont employés pour des ventes d'exportation. C'était cette base de données complète que les Bouts-Wilmsmeyer et ses collègues ont employée en développant leur algorithme neuf.

« Nous avons employé les caractéristiques à partir de 2011 à 2017, qui ont couvert des années de sécheresse ainsi que dossier-ont fourni des années, et tout dans l'intervalle, » dit Juliann Seebauer, spécialiste principal en recherches dans U du service de l'I des sciences de collecte et du co-auteur de l'étude.

Les chercheurs ont appareillé les caractéristiques de texture-qualité avec 2011 - 2017 caractéristiques de conditions météorologiques des régions introduisant dans chaque élévateur à grains. Pour établir leur algorithme, ils concentrés sur les conditions météorologiques au cours de trois périodes critiques - émergence, silking, et remplissage de texture - et constaté que le facteur prédictif le plus intense de la puissance de texture et de la qualité compositionnelle était disponibilité de l'eau pendant silking et le remplissage de texture.

L'analyse a disparu plus profonde, recensant des conditions aboutissant à huiler plus haut ou des concentrations protéiques-- l'information cette sujets aux acheteurs de texture.

La proportion d'amidon, de pétrole, et de protéine dans la texture de maïs est influencée par génotype, disponibilité nutritive de saleté, et conditions météorologiques. Mais l'effet des conditions météorologiques n'est pas toujours droit quand il s'agit de protéine. En états de sécheresse, les centrales chargées déposent moins d'amidon dans la texture. Par conséquent, la texture a proportionnellement plus de protéine que cela des centrales ne remarquant pas la tension de sécheresse. Les conditions météorologiques belles peuvent également mener aux concentrations à haute valeur protéique. Le beaucoup de l'eau signifie que plus d'azote est transporté dans la centrale et comporté aux protéines.

Dans l'analyse, « la protéine de texture et les niveaux d'huile supérieurs à la moyenne ont été favorisés par moins d'azote lixiviant pendant l'accroissement végétatif précoce, mais également les températures plus élevées à fleurir, alors qu'un pétrole plus grand que des concentrations protéiques résultait de plus basses températures pendant la floraison et le remplissage de texture, » les auteurs indiquent dans l'étude.

La capacité de prévoir mieux des concentrations en protéine et en pétrole dans la texture a pu influencer les marchés globaux, vu l'élevage demande domestique et internationale du maïs à haute valeur protéique pour des applications d'alimentation des animaux. Avec l'algorithme neuf, il devrait être théoriquement possible d'effectuer des semaines de prévisions de puissance et de qualité d'extrémité-de-saison ou des mois en avant de récolte simplement en regardant des configurations de conditions météorologiques.

De « autres chercheurs ont réalisé des prévisions en temps réel de puissance utilisant des caractéristiques beaucoup plus complexes et des modèles. Notres étaient une approche comparativement simple, mais nous sommes parvenus à ajouter la pièce de qualité et réaliser l'exactitude convenable, les » Bouts-Wilmsmeyer indique. « Les variables de conditions météorologiques que nous avons trouvé pour être importants dans cette étude pourraient être employées dans des analyses plus complexes pour réaliser même la grande précision de la puissance et de la qualité de prévision à l'avenir. »

Source : https://aces.illinois.edu/news/weather-three-key-growth-stages-predicts-midwest-corn-yield-and-grain-quality-study-says