論文の概要: Agronomic Characterization and Time-Series UAV Phenotyping to Support Field Pea Breeding in Iowa

• arxiv url: http://arxiv.org/abs/2610.19154v1
• Date: Tue, 13 Oct 2026 20:21:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.786217
• Title: Agronomic Characterization and Time-Series UAV Phenotyping to Support Field Pea Breeding in Iowa
• Title（参考訳）: アイオワ州におけるオオカミの育種支援のための農学的特徴と時系列UAV現象
• Abstract要約: フィールドエンドウはアイオワの収穫システムに恩恵をもたらす可能性がある。 PIアクセプション試験は、表現学および天蓋形質の遺伝的多様性を示す。 カナダのエリート品種はアイオワ州の条件下で大きな収穫の可能性を示した。
• 参考スコア（独自算出の注目度）: 0.758305251912708
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Field pea has gained interest in the Midwest U.S. and has the potential to benefit Iowa cropping systems. This study evaluated 17 accessions and 7 Canadian varieties for agronomic and seed yield performance. This study found that PI accession trials exhibit genetic diversity in phenology and canopy traits, whereas the Canadian elite varieties demonstrated great yield potential under Iowa conditions. The accession genotypes matured between 75 DAP (late June) and 95 DAP (late July) across six site-years. The top-yielding Canadian varieties averaged 1961 kg/ha across two site-years. To comprehensively assess field pea performance, this study extracted time-series Unmanned Aerial Vehicle(UAV)-derived traits, assessed UAV-derived traits, and evaluated their correlations with multiple agronomic traits and yield. The results found that UAV-derived time-series canopy area was the most yield-relevant trait (r = 0.63) among all UAV-derived canopy features, vegetation indices, and manually collected measurements. Compared with yield, UAV-derived canopy area showed higher selection reliability (H2 = 0.87, CV = 13.46%), making it suitable for phenotypic selection and accelerating Midwest field pea breeding programs. This study identifies useful UAV-derived features for pea breeding and demonstrates the value of integrating diverse germplasm, elite commercial varieties, and time-series UAV phenotyping. Combining genetic variation from the accession trial with the yield potential of high-performing commercial varieties provides valuable breeding materials and phenotyping strategies for developing locally adapted, high-yielding field pea varieties for future production in the Midwest.
• Abstract（参考訳）: フィールドピーはアメリカ中西部への関心が高まり、アイオワの収穫システムに利益をもたらす可能性がある。 本研究は, 農作物および種子収量向上のための17種の接種と7種のカナダ品種について検討した。 本研究は、PIアクセシオン試験が表現学および天蓋形質の遺伝的多様性を示すのに対し、カナダのエリート品種はアイオワ州の条件下で大きな収率を示した。 接種遺伝子型は6年で75 DAP(6月下旬)から95 DAP(7月下旬)に成熟した。 カナダ産の品種は2年で平均で1961 kg/haだった。 本研究は,フィールドピー性能を総合的に評価するために,無人航空機(UAV)由来の時系列特性を抽出し,UAV由来の特性を評価し,複数の農業特性と収量との相関性を評価した。 その結果、UAV由来の時系列キャノピー領域は、すべてのUAV由来キャノピーの特徴、植生指標、手作業による測定のうち、最も収量に関連のある特性(r = 0.63)であった。 収量と比較すると、UAV由来の天蓋領域は高い選択信頼性(H2 = 0.87, CV = 13.46%)を示し、表現型選択と中西部のオオカミ繁殖プログラムの促進に適していた。 本研究は,オオカミの育種に有用なUAV由来の特徴を明らかにし,多様な胚小胞体,有能な商業品種,時系列UAV表現法を統合することの価値を実証する。 接種試験からの遺伝的変異と高収率の商業品種の収量ポテンシャルを組み合わせることで、中西部における将来の生産のために、地域適応で高収率の畑エンドウ品種を開発するための貴重な育種材料と表現型戦略を提供する。

関連論文リスト

• Intercomparison of Machine Learning Algorithms for Remote Sensing-based In-season Crop Mapping [2.890903045620196]
  USDA Cropland Data Layerは30m解像度で作物タイプのラベルを提供する。 収穫前に作物の種類を満足のいく精度でマッピングする製品は存在しない。 インシーズンの作物型マッピングは、作物に対する気候関連の脅威がますます激化する中で、食品の安全のために重要である。
  論文  参考訳（メタデータ） (2026-06-04T05:47:44Z)
• MixINN: Accelerating Plant Breeding by Combining Mixed Models and Deep Learning for Interaction Prediction [2.2940141855172036]
  植物の育種は、作物の収量、品質、持続可能性の改善を通じて、世界的な食料安全保障を支えている。 気候変動は、局所的な生育条件を変え、作物の遺伝子型の相対的な性能を変化させることで、このプロセスを妨害する。 混合モデルを用いて、まず高品質な遺伝子型環境相互作用ラベルを分離し、その後、深層ニューラルネットワークを用いた将来の環境条件下での新たな作物品種に対する相互作用を予測する手法であるMixINNを提案する。
  論文  参考訳（メタデータ） (2026-05-06T10:48:52Z)
• G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
  本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。 本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
  論文  参考訳（メタデータ） (2025-02-07T06:16:31Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level Phenotyping of Sugar Beet Plants under Field Conditions [28.79416825695514]
  農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。 自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。 表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
  論文  参考訳（メタデータ） (2023-12-22T14:06:44Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• An Applied Deep Learning Approach for Estimating Soybean Relative Maturity from UAV Imagery to Aid Plant Breeding Decisions [7.4022258821325115]
  我々は,UAV画像の時系列を用いて,大豆の相対的成熟度を推定するための頑健で自動的なアプローチを開発した。 畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を組み合わせたエンドツーエンドハイブリッドモデルを提案する。 その結果,CNN-LSTMモデルの有効性を局所回帰法と比較した。
  論文  参考訳（メタデータ） (2021-08-02T14:53:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。