Изменчивое небо, которое видят растения: Численный инструмент предсказывает солнечные паттерны для улучшения сельского хозяйства
Исследователи из Университета Кюсю разработали новую численную модель для объяснения поведения солнечного света при различных погодных условиях. В отличие от предыдущих методов, фокусировавшихся на восприятии растениями света как чистого источника энергии, это исследование вводит метрику для количественной оценки интенсивности света и его влияния на рост и цветение растений.
Опубликованная в Ecological Informatics, команда надеется, что их работа принесет пользу сельскохозяйственной отрасли и поможет фермерам принимать более обоснованные решения о выращивании культур. Это достижение важно для понимания вариаций в фотосинтезе растений в ответ на различные паттерны солнечного света и погоды. Более того, оно может дать новое представление о том, как изменения в облачном покрове из-за изменения климата влияют на поглощение углекислого газа растительностью.
Хотя общепринято считать, что чем больше солнца получает растение, тем лучше, это не всегда так. В пасмурную погоду солнечный свет рассеивается более равномерно, позволяя ему достигать нижних частей растения. В солнечные дни энергия света сильнее, но идет с одного направления, и нижние листья остаются в тени.
«Растения также реагируют на разные длины волн солнечного света. Они ощущают эти различные длины волн и меняют свои реакции роста», — объясняет Амила Сиривардана, первый автор и аспирант факультета сельского хозяйства Университета Кюсю.
Растения могут определять соотношение длин волн, чтобы понимать свое окружение. На эти соотношения влияют многие факторы, включая атмосферную плотность, облачный покров или высоту солнца. Однако такая информация ранее не была систематизирована в контексте физиологии и экологии растений.
«В то время как многие проекты рассматривают только "энергию", производимую солнцем, наш метод ставит целью категоризацию как "энергии", так и "качества" света. Сортируя солнечный свет на пять категорий, от ясного неба до сплошной облачности, мы можем лучше понять, как растения могут адаптироваться и реагировать на различные световые условия», — добавляет профессор Ацуси Куме, руководивший командой.
Для записи солнечного света в разное время суток и при разных погодных условиях исследователи использовали спектрорадиометр, измеряющий полный спектр солнечного света. Прибор разместили на здании факультета сельского хозяйства в кампусе Ито и собирали данные от восхода до заката каждый день в 2021 году.
Используя собранные данные, исследователи разработали модель машинного обучения для сортировки и предсказания изменений солнечного света. Модель работает, выявляя паттерны в погодных данных: сколько света достигает земли, насколько он рассеян, насколько загрязнен или чист воздух, влажность. На основе этих паттернов модель отнесла солнечный свет к пяти группам по скользящей шкале. Например, группа 1 — ясный солнечный день, а группа 5 — пасмурные облачные дни.
Команда заметила, что в ясные дни (группа 1) к земле поступает больше световой энергии. По мере увеличения облачности (группы 2–5) энергия солнечного света уменьшалась, но при этом рассеяние света и доля ультрафиолетового излучения увеличивались. Кроме того, цвет солнечного света слегка смещался от красных тонов в солнечные дни к синим тонам в облачных условиях.
После обучения численная модель смогла с высокой точностью предсказывать паттерны солнечного света, используя более простые погодные данные.
«Наш метод достиг 94% точности в предсказании категории солнечного света без необходимости в дорогом сложном оборудовании», — говорит Сиривардана. «Наша модель особенно актуальна для регионов, переживающих четыре четких сезона, подобных японским».
«Мы надеемся, что нашу модель можно будет использовать для решения проблем современного сельского хозяйства. Фермеры могут применять эту информацию для улучшения условий в теплицах и графиков посадки в течение года», — объясняет Куме.
«Например, в облачный сезон дождей в Японии в июне фермеры могут корректировать работу теплиц или расстояние между растениями, чтобы максимизировать доступный свет. Даже осенью и зимой, когда паттерны солнечного света меняются, фермеры могут адаптировать свои стратегии на основе нашей модели».
В будущем команда надеется расширить модель для охвата большего количества типов климата, таких как высокогорные или тропические регионы, и глубже понять, как солнечный свет влияет на окружающую среду.