СЕТЕВАЯ МАРКОВСКАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВЕСА ТЫСЯЧИ СЕМЯН У ГЕНОТИПОВ НУТА

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Построение прогноза признаков, связанных с урожайностью, таких, например, как вес тысячи семян, позволяет исследователям создавать сорта, достигающие максимальной эффективности и ценности в условиях изменения климата. В данной работе предложена сетевая марковская модель прогнозирования важного фенотипического признака «вес тысячи семян» у генотипов нута, которая использует предварительно отобранные снипы и погодные данные за 5 дней до и 20 дней после посева, такие как минимальная и максимальная температуры, количество осадков, влажность, инфракрасное излучение и длина светового дня. Построенная модель предсказывает признак «вес тысячи семян» с высокой точностью – коэффициент корреляции Пирсона составляет 0.83.

Об авторах

Д. Д Мальцов

Санкт-Петербургский политехнический университет Петра Великого

Санкт-Петербург, Россия

М. Г Самсонова

Санкт-Петербургский политехнический университет Петра Великого

Санкт-Петербург, Россия

К. Н Козлов

Санкт-Петербургский политехнический университет Петра Великого

Email: kozlov_kn@spbstu.ru
Санкт-Петербург, Россия

Список литературы

  1. Varshney R. K., Song C., Saxena R. K., Azam S., Yu S., Sharpe A. G., Cannon S., Baek J., Rosen B. D., Tar'an B., Millan T., Zhang X., Ramsay L. D., Iwata A., Wang Y., Nelson W., Farmer A. D., Gaur P. M., Soderlund C., Penmetsa R. V., Xu C., Bharti A. K., He W., Winter P., Zhao S., Hane J. K., Carrasquilla-Garcia N., Condie J. A., Upadhyaya H. D., Luo M. C., Thudi M., Gowda C. L., Singh N. P., Lichtenzveig J., Gali K. K., Rubio J., Nadarajan N., Dolezel J., Bansal K. C., Xu X., Edwards D., Zhang G., Kahl G., Gil J., Singh K. B., Datta S. K., Jackson S. A., Wang J., and Cook D. R. Draft genome sequence of chickpea (Cicer Arietinum) provides a resource for trait improvement. Nature Biotechnol., 31 (3), 240–246 (2013). doi: 10.1038/nbt.2491
  2. Smithson, J. B., Thompson J. A., and Summerfield R. J. Chickpea (Cicer Arietinum L.). In: Grain Legume Crops, Ed. by R. J. Summerfield and R. E. Roberts (Collins, Lond., UK, 1985), pp. 312–390.
  3. Shahal A., Berger J., and Turner N. Evolution of cultivated chickpea: four bottlenecks limit diversity and constrain adaptation. Function. Plant Biol., 30 (10), 1081–1087 (2003). doi: 10.1071/FP03084
  4. Kumar J. and Abbo S. Genetics of flowering time in chickpea and its bearing on productivity in the semi-arid environments. Adv. Agron., 72, 107–138 (2001). doi: 10.12691/wjar-4-1-1
  5. Roberts E. H., Hadley P., and Summerfield R. J. Effects of temperature and photoperiod on flowering in chickpeas (Cicer Arietinum L.). Ann. Botany, 55 (6), 881–892 (1985).
  6. Soltani A., Hammer G. L., Torabi B., Robertson M. J., and Zeinali E. Modeling chickpea growth and development: Phenological development. Field Crops Res., 99 (1), 1– 13 (2006). doi: 10.1016/j.fcr.2006.02.004
  7. Soltani A., Robertson M. J., Mohammad-Nejad Y., and Rahemi-Karizaki A. Modeling chickpea growth and development: Leaf production and senescence. Field Crops Research, 99 (1), 14–23 (2006).
  8. Jones J. W., Antle J. M., Basso B., Boote K. J., Conant R. T., Foster I., Godfray H. C. J., Herrero M., Howitt R. E., Janssen S., Keating B. A., MunozCarpena R., Porter Ch. H., Rosenzweig C., and Wheeler T. R. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricult. Systems, 155, 269–288 (2017). doi: 10.1016/j.agsy.2016.09.021
  9. Jones J. W., Antle J. M., Basso B., Boote K. J., Conant R. T., Foster I., Charles H., Godfray J., Herrero M., Howitt R. E., Janssen S., Keating B. A., Munoz-Carpena R., Porter Ch. H., Rosenzweig C., and Wheeler T. R. Brief history of agricultural systems modeling. Agricult. Systems, 155, 240–254 (2016). doi: 10.1016/j.agsy.2016.05.014
  10. Jones J. W, Hoogenboom G., Porter C. H., Boote K. J., Batchelor W. D., Hunt L. A., Wilkens P. W., Singh U., Gijsman A. J., and Ritchie J. T. The DSSAT cropping system model. Eur. J. Agronomy, 18 (3–4), 235–265 (2003). doi: 10.1016/S1161-0301(02)00107-7
  11. Boote K. J., Jones J. W., and Pickering N. B. Potential uses and limitations of crop models. Agron. J., 88, 704–716 (1996). doi: 10.2134/Agronj1996.00021962008800050005X
  12. Boote K. J., Jones J. W., White J. W., Asseng S., and Lizaso J. I. Putting mechanisms into crop production models: Putting mechanisms into crop production models. Plant, Cell Environ., 36 (9), 1658–72 (2013). doi: 10.1111/pce.12119
  13. Keating B., Carberry P. S., Hammer G., Probert M. E., Robertson M. J., Holzworth D., Huth N. I., Hargreaves J. N. G., Meinke H., Hochman Z., McLean G., Verburg K., Snow V., Dimes J. P., Silburn M., Wang E., Brown S., Bristow K. L., Asseng S., Chapman S., and Smith C. J. An overview of APSIM, a model designed for farming systems simulation. Eur. J. Agronomy, 18 (3–4), 267–288 (2003). doi: 10.1016/S1161-0301(02)00108-9
  14. Battisti R., Sentelhas P. C., and Boote K. J. Sensitivity and requirement of improvements of four soybean crop simulation models for climate change studies in Southern Brazil. Int. J. Biometeorol., 62 (5), 823–832 (2018). doi: 10.1007/s00484-017-1483-1
  15. Williams J. R., Jones C. A., Kiniry J. R., and Spanel D. A. The EPIC crop growth model. Trans. ASAE, 32 (2), 497–511 (1989).
  16. Lal M., Singh K. K., Srinivasan G., Rathore L. S., Naidu D., and Tripathi C. N. Growth and yield responses of soybean in Madhya Pradesh, India to climate variability and change. Agricult. Forest Meteorol., 93 (1), 53–70 (1999). doi: 10.1016/s0168-1923(98)00105-1
  17. Chung U., Kim Y. U., Seo B. S., and Seo M. C. Evaluation of variation and uncertainty in the potential yield of soybeans in South Korea using multi-model ensemble climate change scenarios. Agrotechnology, 6 (2), 1000158 (2017). doi: 10.4172/2168-9881.1000158
  18. Mohammed A., Tana T., Singh P., Molla A., and Seid A. Identifying best crop management practices for chickpea (Cicer Arietinum L.) in Northeastern Ethiopia under climate change condition. Agricultural Water Management, 194, 68–77 (2017). doi: 10.1016/j.agwat.2017.08.022
  19. Patil D. and Patel H. R. Calibration and validation of CROPGRO (DSSAT 4.6) model for chickpea under Middle Gujarat agroclimatic region. Int. J. Agricult. Sci., 9 (27), 4342–4344 (2017).
  20. Mengesha U. L. Modeling the impacts of climate change on chickpea production in Adaa Woreda (East Showa Zone) in the semi-arid Central Rift Valley of Ethiopia. J. Pet. Environ. Biotechnol., 7, 288 (2016). doi: 10.4172/2157-7463.1000288
  21. Ageev A., Aydogan A., Bishopvon Wettberg E., Nuzhdin S. V., Samsonova M., and Kozlov K. Simulation model for time to flowering with climatic and genetic inputs for wild chickpea. Agronomy, 11, 1389 (2021). doi: 10.3390/agronomy11071389
  22. Hintze A., Edlund J. A., Olson R. S., Knoester D. B., Schossau J., Albantakis L., Tehrani-Saleh A., Kvam P., Sheneman L., Goldsby H., Bohm C., and Adami Ch. Markov brains: A technical introduction. arXiv, 1709.05601 (2017). doi: 10.48550/arXiv.1709.05601
  23. Olson R. S., Knoester D. B., and Adami Ch. Evolution of swarming behavior is shaped by how predators attack. Artificial Life, 22 (3), 299–318 (2016). doi: 10.1162/ARTL_a_00206
  24. Gad A. F. PyGAD: An intuitive genetic algorithm python library. Multimedia Tools and Applications, 83, 58029–58042 (2023). doi: 10.1007/s11042-023-17167-y
  25. Sokolkova A., Bulyntsev S. V., Chang P. L., CarrasquillaGarcia N., Igolkina A. A., Noujdina N. V., von Wettberg E.; Vishnyakova M. A., Cook D. R., Nuzhdin S. V., and Samsonova M. G. Genomic analysis of Vavilov’s historic chickpea landraces reveals footprints of environmental and human selection. Int. J. Mol. Sci., 21 (11), 3952 (2020). doi: 10.3390/ijms21113952
  26. Chen T. and Guestrin C. XGBoost: A scalable tree boosting system. In: Proc. 22nd ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (ACM, San Francisco, USA, 2016), pp. 785–794. doi: 10.1145/2939672.2939785
  27. Vadez V., Soltani A., and Sinclair T. R. Crop simulation analysis of phenological adaptation of chickpea to different latitudes of India. Field Crops Res., 146, 1–9 (2013). doi: 10.1016/j.fcr.2013.03.005
  28. von Wettberg E. J. B., Chang P. L., Başdemir F., Carrasquila-Garcia N., Korbu L. B., Moenga S. M., Bedada G., Greenlon A., Moriuchi K. S., Singh V., Cordeiro M. A., Noujdina N. V., Dinegde K. N., Shah Sani S. G. A., Getahun T., Vance L., Bergmann E., Lindsay D., Mamo B. E., Warschefsky E. J., Dacosta-Calheiros E., Marques E., Yilmaz M. A., Cakmak A., Rose J., Migneault A., Krieg Ch. P., Saylak S., Temel H., Friesen M. L., Siler E., Akhmetov Zh., Ozcelik H., Kholova J., Can C., Gaur P., Yildirim M., Sharma H., Vadez V., Tesfaye K., Woldemedhin A. F., Tar’an B., Aydogan A., Bukun B., Penmetsa R. V., Berger J., Kahraman A., Nuzhdin S. V., and Cook D. R. Ecology and genomics of an important crop wild relative as a prelude to agricultural innovation. Nature Commun., 9 (1), (2018). doi: 10.1038/s41467-018-02867-z
  29. Vadez V., Berger J. D., Warkentin T., Asseng S., Ratnakumar P., Chandra Rao K. P., Gaur P. M., MunierJolain N., Larmure A., Voisin A.-S., Sharma H. C., Pande S., Sharma M., Krishnamurthy L., and Zaman A. M. Adapta-tion of grain legumes to climate change: A review.Agron. Sustain. Dev., 32 (1), 31–44 (2012). doi: 10.1007/s13593-011-0020-6

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».