
Forskere lager nye plantesorter ved hjelp av robot
Resultatet vil bli en virtuell åker som forskerne kan besøke og forske inngående på uten å forlate kontorstolen.
Nye plantesorter er nødvendig for å øke avlingene og å forbedre tilpasningen til klimaendringene. I et nytt forskningsprosjekt i planteforedling ved Norges miljø- og biovitenskapelige universitet (NMBU) skal forskerne ta i bruk ny teknologi for å effektivisere utviklingen av nye plantesorter.
Tradisjonelt har slik planteforedling vært svært tid- og ressurskrevende siden enorme datamengder har blitt hentet inn og registrert manuelt. I over 100 år har forhold som sykdomsangrep, strålengde, dato for aksskyting og gulmodning blitt kartlagt med menneskelig observasjon og notert sirlig med penn og papir.
I det nye prosjektet vil droner og en spesialdesignet utgave av den NMBU-utviklede landbruksroboten Thorvald samle inn data med hyperspektrale kamera og bildeanalyser for å automatisere målingene som gjøres i forsøksfeltene.
– Ved å ta en serie av bilder ved siden av hverandre kan vi bygge opp en tredimensjonal modell og gjenskape åkeren virtuelt. Det blir litt som Google Maps, sier NMBU-forsker og prosjektleder Morten Lillemo.
Den virtuelle åkeren
Roboten Thorvald ruller lavt over plantene og tar nærbilder som så kobles til den tredimensjonale bildemodellen i dronebildene som tas i større høyde over forsøksfeltet.
– Da vet vi eksakt hvor i åkeren vi er når vi ser på nærbildene, og vi kan for eksempel telle antall aks per kvadratmeter, sier han.
Bildene tilføres tilleggsinformasjon som gjør at forskeren kan hente inn akkurat den informasjonen han vil ha. Det kan for eksempel være informasjon om tidligere avlinger, plantenes egenskaper for sykdomsresistens eller resultater fra feltforsøk fra andre lokaliteter, fordi utprøvingen av nye kornsorter skjer på flere steder med forskjellig vekstmiljø.
Mye av forskningsarbeidet går på å lage modellene som med tiden vil ta over og automatisere datasankingen.
Resultatet vil bli en virtuell åker som forskerne kan besøke og forske inngående på uten å forlate kontorstolen, ved hjelp av et par VR-briller og en datamaskin.

Ser det usynlige
For å kunne skape denne virtuelle åkeren bruker forskerne multispektrale- og hyperspektrale kameraer til å ta bilder. De avanserte bildene gjør at forskerne får tilgang til informasjon som øyet ikke ser.
I et vanlig kamera er det tre lag med farger: rødt, grønt og blått (RGB) som blir satt sammen i hver piksel eller punkt, som er feltene et bilde er delt opp i og som består av farger som øyet kan oppfatte.

Et hyperspektralt kamera kan ta bilder som viser både det synlige og det usynlige lyset, og det kan være hundrevis av datapunkt i hver piksel.
– Øyet vårt kan jo ikke se det, men lysrefleksjonen fra klorofyllet og grønnheten i bladverket røper tilstanden i planten. Informasjonen som ligger i det infrarøde området, forteller om den fysiologiske statusen til planten, for eksempel om planten er stressa eller syk, sier Lillemo.
- Les også: Tørket fiskebæsj gir god kornvekst
Skulle gjerne visst mer
Det er et kjent problem for planteforskere at de av og til gjerne skulle ha sett nøye på noe i forsøksfeltet i tidligere generasjoner. Fram til nå har de bare hatt målinger og notater å se tilbake på.
– Det hender at forskningsresultatene viser noe som vi gjerne skulle ha undersøkt nærmere i tidligere generasjoner. De høyspektrale bildene som lager den tredimensjonale modellen, gjør det mulig å gå den virtuelle turen i åkeren tilbake i tid, sier Lillemo.
Det å analysere informasjonen fra bildene fra feltforsøk kalles fenotyping. En fenotype er de egenskapene som kan observeres hos et individ. Fenotypen viser samspillet mellom arvelige egenskaper og miljøfaktorer som påvirker individet.
Titter i genene
Men det er ikke bare på det visuelle planet ting skjer. Genomseleksjon har også inntatt planteforedlingen. Genomseleksjon går ut på at alt arvematerialet i planten, kalt genomet, er delt opp i små deler eller markører.
Arvematerialet til hvete er kartlagt og brukes som grunnstandard i avlsforskningen, og etter nitidig kartlegging vet forskerne nå mye om hvilke markører som påvirker hvilke egenskaper ved planten.
Ved genomseleksjon ser forskerne på alle markørene i genomet samtidig, mens de tidligere bare kunne se små deler av arvematerialet av gangen.
Selv om planteforedlere er dyktige og godt trent til å plukke ut de riktige plantene, så hjelper genominformasjonen planteforedleren å gjøre enda bedre og mer presise utvalg. Genomanalysene avslører om planten har de ønskede kombinasjonene av gener.
– For å forbedre genomseleksjonsmodellene har vi tenkt å kombinere fenotypedata fra bildeanalysene med markørene i genomseleksjonsmodellene. Fenotypedata vil gi tilleggsinformasjon og gjør at vi kan forbedre utvalgsmodellene når vi skal velge planter. Vi tar også inn informasjon om slektskap i modellen, sier Lillemo – bare en hårsbredd fra å tippe over i forskerspråk.
Hvordan lage en ny sort
Hveteforedler Jon Arne Dieseth i Graminor AS er stadig på jakt etter nye og forbedrede hvetesorter, som han utvikler ved å krysse eksisterende sorter og foredlingslinjer. Graminor har ansvar for utvikling av plantesorter til jord- og hagebruksnæringen i Norge.
– Utgangspunktet er at vi har en sort som er bra, men den har noen skavanker vi gjerne vil forbedre. Vi krysser den så med en annen sort som er bra for de egenskapene vi ønsker å forbedre, sier Dieseth.
Hvete, havre og bygg er selvbestøvende, mens rug er kryssbestøvende.
Helt vilkårlige genkombinasjoner
Når forskerne krysser to sorter, lager de avkom med nye genkombinasjoner, og avkommet kan ha alle mulige kombinasjoner av genene fra foreldreplantene. Så jobben med å forbedre sorten har så vidt begynt.
– Det å finne akkurat de avkommene som har de ønskede genkombinasjonene er som å lete etter nåla i høystakken. Det er om å gjøre å finne avkom som kombinerer de gode egenskapene til foreldrene og er så nært som mulig opptil den ideelle sorten vi ønsker å foredle, sier Dieseth.
Selve krysningen skjer i drivhus om vinteren, og det er planteforedleren som leker med Amors piler ved å åpne kornblomsten til morsorten og påføre pollen fra farsorten til krysningen.
– I selvbestøvende vekster som bygg, havre og hvete vil alle individene i den første generasjonen fra en slik krysning være genetisk identiske, men i neste generasjon starter moroa med utspalting av forskjellige genetiske varianter, sier en ivrig Lillemo.
Da sås korn fra krysningen ut på åker med over 1000 planter i en forsøksrute. Foredleren velger ut de beste plantene til neste generasjon, hvor avkom fra hver utvalgte plante får sin egen lille forsøksrute.
– Prosessen gjentas i fem-seks generasjoner til vi sitter igjen med genetisk stabile foredlingslinjer som kan testes ut på større forsøksruter og etter hvert med flere gjentak og på flere lokaliteter, sier Dieseth.
Siden disse kornartene er naturlig selvbestøvende, kan generasjonene etter krysning dyrkes ute på åkeren uten at det er særlig fare for kryssbestøving.

Droner og roboter bistår med kartlegging
I løpet av vekstsesongen samler planteforedleren informasjon som legges til grunn for utvelgelse av hvilke planter som skal brukes i neste generasjon.
Det er her dronene, roboten Thorvald og genomanalysene kommer inn. Den første turen med dronene og Thorvald brukes til å kartlegge forsøksfeltene.
– Vi lager referansepunkt i åkeren med GPS-posisjoner. Når mønsteret eller mosaikken over plantefeltene er laget og vi har kontrollert at bildene korresponderer med mønsteret, er mye gjort. Da kan vi fly med dronene og sende Thorvald ut i feltene kanskje annenhver dag i vekstsesongen, sier Lillemo.
Det er mange rundt om i verden som forsker på det samme som Lillemo. Og selv om mye av forskningen foreløpig er på utviklingsstadiet, gir det grunnlag for stor forbedring og effektivisering av det omfattende avlsarbeidet med å lage nye sorter av kulturplantene.
Droner, roboter og hyperspektral bildeanalyse er allerede i bruk innen flere fagområder på Ås, men det er bare en sped begynnelse på en spennende teknologiopprustning i forsøksfeltene.
––––––––––—
Saken ble oppdatert 17. april klokken 17:33.