Ištroškęs augalas gali skleisti garsus, kol jo lapai pradeda rodyti matomus streso požymius. Ši idėja skamba kaip mokslinė fantastika, tačiau mokslininkai įrodė, kad augalai gali generuoti aptinkamus akustinius ar elektrinius signalus, kai jiems daromas slėgis, o startuoliai tuos signalus paverčia įrankiais, leidžiančiais perspėti apie pasėlius.
Proveržis yra svarbus, nes augalų stresą dažniausiai lengviausia pašalinti, kol jis dar nepastebimas. Jei jutikliai ir dirbtinis intelektas gali tiksliai nuskaityti tuos ankstyvuosius signalus, ūkininkai galėtų greičiau pastebėti sausras, ligas ar kenkėjų spaudimą ir reaguoti, kol mažos problemos neišplis visame lauke.
Augalai skleidžia garsus, kurių žmogus negirdi
Augalai nekalba tradicine prasme, tačiau veikiami aplinkos streso jie gali skleisti ultragarso garsus. Tyrėjai išsiaiškino, kad stresą patiriantys augalai generuoja spragtelėjimus ir triukšmą, kurio dažnis svyruoja nuo 40 iki 80 kilohercų.
Šie garsai yra už žmogaus klausos diapazono ribų, o tai paaiškina, kodėl jie taip ilgai buvo nepastebėti. Tačiau specializuoti jutikliai gali juos aptikti, o naujausi dirbtinio intelekto pasiekimai padeda mokslininkams suprasti, ką tie signalai gali reikšti.
Garsai nėra augalų sąmonės įrodymas. Mokslininkai pabrėžia, kad augalai netyčia bendrauja. Vietoj to, triukšmas yra fiziniai šalutiniai pokyčiai, atsirandantys augale, kai jis reaguoja į stresą.
Kodėl stresą patiriantys augalai kelia triukšmą
Pagrindinis paaiškinimas apima procesą, vadinamą kavitacija. Kai vandenį augalo viduje sunku transportuoti dėl sausros ar žalos, augalo kraujagyslių sistemoje gali susidaryti nedideli oro burbuliukai.
Kai tie burbuliukai susidaro ir sprogsta, jie gali sukelti ultragarso paspaudimus ir iššokimus. Tyrėjai palygino garsą su spragėsių spragėsiais ar burbulinės plėvelės spaudimu, nors dažniai yra daug aukštesni, nei girdi žmonės.
Atrodo, kad skirtingos streso sąlygos sukuria skirtingus akustinius parašus. Sausros stresas gali sukurti vieną modelį, o fizinis sužalojimas, pvz., stiebo pažeidimas, gali sukurti kitą, atverdamas duris automatinėms streso nustatymo sistemoms.
Augalų signalų iššifravimo lenktynės
Keletas naujų įmonių dabar bando transformuoti augalų signalus į veiksmingus duomenis. Užuot laukusios, kol pasėliuose bus matoma žala, šios įmonės nori, kad augintojai reaguotų, kol problemos dar neišryškės.
Pažadas reikšmingas. Ankstesnis aptikimas gali padėti ūkininkams apsaugoti derlių, sumažinti nereikalingą cheminių medžiagų naudojimą ir pagerinti išteklių efektyvumą atliekant dideles žemės ūkio operacijas.
Dvi įmonės tapo svarbiomis žaidėjomis šioje srityje. Kalifornijoje įsikūrusi „InnerPlant“ daugiausia dėmesio skiria genetiškai modifikuotų pasėlių signalizacijai, o Šveicarijos biotechnologijų įmonė „Vivent Biosignals“ daugiausia dėmesio skiria elektriniams signalams, natūraliai generuojamiems augaluose.
Kaip InnerPlant sprendžia iššūkį
„InnerPlant“ „CropVoice“ platforma eina kitu keliu. Užuot pasikliaudama daugiausia ultragarso garsais, įmonė naudoja sukurtas sojų pupeles, kurios sukuria aptinkamus optinius signalus, kai atsiranda specifinių grybelinių streso įvykių.
Bendrovės „InnerSoy“ jutikliai yra skirti signalizuoti, kai atsiranda grybelinės grėsmės. „InnerPlant“ teigimu, „CropVoice“ signalus galima aptikti likus 4–6 savaitėms iki streso aptikimo kitais tyrimo metodais.
Šis išankstinio įspėjimo langas gali suteikti augintojams daugiau laiko priimti pagrįstus sprendimus. Užuot naudoję ištisus laukus kaip atsargumo priemonę, ūkininkai gali skirti intervencijas ten, kur jie greičiausiai duos reikšmingų rezultatų.
Mažai žinomas faktas: „InnerPlant“ tinklas „CropVoice“ 2025 m. apėmė 50 000 akrų JAV vidurio vakaruose, o 2026 m.
Kurti gyvų jutiklių tinklą
„CropVoice“ veikia per sukonstruotų jutiklių sklypų tinklą, išdėstytą visose žemės ūkio srityse. Šie augalai efektyviai tarnauja kaip biologinės stebėsenos stotys, atskleidžiančios pasėlių sveikatos būklę.
Kai įvyksta tiksliniai streso įvykiai, sukonstruoti augalai sukuria aptinkamus atsakymus, kurie patenka į platesnę stebėjimo platformą. Gauta informacija vėliau paverčiama praktinėmis rekomendacijomis augintojams ir agronomams.
Šis metodas pabrėžia besiformuojančią žemės ūkio technologijų tendenciją. Užuot stebėjusios augalus vien iš išorės, įmonės vis dažniau patys javus paverčia realiojo laiko aplinkos žvalgybos šaltiniais.
Viventas klauso iš augalo vidaus
„Vivent Biosignals“ naudoja kitokią strategiją. Užuot genetiškai modifikuodama pasėlius, įmonė išmaniuosius biojutiklius pritvirtina tiesiai prie augalų ir matuoja natūraliai atsirandantį elektrinį aktyvumą.
Sąveikaujant su aplinka augalai nuolat generuoja mažyčius elektrofiziologinius signalus. „Vivent“ technologija fiksuoja tuos signalus ir analizuoja juos naudodama mašininio mokymosi sistemas, skirtas streso modeliams nustatyti.
Bendrovės pasėlių diagnostikos platforma „PhytlSigns“ siekia aptikti ligų sukėlėjus, kenkėjus, sausros sąlygas ir kitas grėsmes dar prieš pasirodant matomiems simptomams. Nuolatinis stebėjimas suteikia duomenų srautą, kuris gali padėti priimti iniciatyvius sprendimus.
Kodėl svarbūs elektros signalai
Vienas iš elektrofiziologinio stebėjimo privalumų yra tai, kad jis veiksmingai klausosi augalo viduje. Užuot stebėjusi išorinius simptomus, technologija užfiksuoja biologinius atsakus, kai jie atsiranda.
Mašininio mokymosi algoritmai apdoroja gaunamus duomenis realiu laiku, padeda atskirti įvairias streso priežastis. Šis skirtumas yra svarbus, nes į sausrą, ligas ir kenkėjų spaudimą dažnai reikia reaguoti labai skirtingai.
Žinodami ne tik tai, kad augalas patiria stresą, bet ir kodėl jis patiria stresą, augintojai galėtų žymiai pagerinti intervencijos strategijas ir sumažinti nereikalingą apdorojimą atliekant žemės ūkio operacijas.
Įdomus faktas: Stresą patiriantis augalas gali būti „triukšmingas“ net tada, kai mums atrodo tylus. 2023 m. ląstelių tyrime mokslininkai nustatė, kad įtempti pomidorų ir tabako augalai skleidžia ultragarsinius ore sklindančius garsus, kuriuos galima įrašyti iš tolo ir klasifikuoti pagal streso tipą, pvz., dehidrataciją ar pjovimą.
Dirbtinis intelektas daro jį praktišku
Augantis susidomėjimas augalų jutimu labai priklauso nuo dirbtinio intelekto pažangos. Neapdoroti akustiniai ir elektriniai signalai yra sudėtingi ir sunkiai interpretuojami be automatinės analizės.
Madrido Universidad Autónoma mokslininkai įrodė šį potencialą naudodami gilaus mokymosi sistemas, išmokytas klasifikuoti augalų stresą. Jų darbas sujungė spektrinės analizės metodus su konvoliuciniais neuroniniais tinklais, paremtais ResNet-50 architektūra.
Gauti modeliai pasiekė apytiksliai 79 % kelių klasių klasifikavimo tikslumą, o 92 % tikslumą vieno prieš likusį tikrinimo sistemoje. Šie rezultatai rodo, kad AI gali nustatyti reikšmingus modelius, paslėptus augalų generuojamuose signaluose.
Mokslinis patvirtinimas ir toliau auga
Susidomėjimas augalų bioakustika paspartėjo po 2023 m. paskelbtų tyrimų, kuriuose įrodyta, kad esant stresui augalai skleidžia ultragarso garsus. Šios išvados padėjo pereiti nuo spekuliacijų prie išmatuojamo mokslo.
Vėlesni tyrimai išplėtė augalų generuojamų signalų supratimą ir ištyrė, kaip dirbtinis intelektas galėtų klasifikuoti streso sąlygas. Tyrimai toliau tiria, ar skirtingi stresoriai sukuria nuosekliai atpažįstamus akustinius pirštų atspaudus.
Mokslininkai taip pat tiria platesnius ekologinius padarinius. Įrodymai rodo, kad vabzdžiai, šikšnosparniai, pelės ir tam tikri žinduoliai gali aptikti ultragarso dažnius, susijusius su augalų stresu, todėl kyla klausimų, kaip ekosistemos reaguoja į šiuos signalus.
TL; DR
- Tyrėjai įrodė, kad stresą patiriantys augalai skleidžia ultragarso garsus, todėl jutikliams ir dirbtinio intelekto sistemoms sukuriamos galimybės nustatyti problemas prieš atsirandant matomiems simptomams.
- „InnerPlant“ naudoja genetiškai modifikuotus pasėlius, kad generuotų streso signalus, kurie gali įspėti keturias–šešias savaites anksčiau nei tradiciniai lauko žvalgymo metodai.
- „Vivent Biosignals“ stebi elektrinį aktyvumą augalų viduje, leisdama mašininio mokymosi sistemoms aptikti patogenus, kenkėjus, sausros sąlygas ir kitas grėsmes realiu laiku.
- Dirbtinio intelekto modeliai tampa vis veiksmingesni klasifikuojant augalų streso signalus, o kai kuriais tyrimais pasiekiamas pakankamai aukštas tikslumo lygis praktiniam pritaikymui.
Šis straipsnis buvo sukurtas naudojant dirbtinio intelekto pagalbą ir žmogaus redagavimą.
Jei jums patiko tai, jums taip pat gali patikti:
