Padi adalah salah satu tanaman terpenting di dunia dan merupakan sumber makanan utama bagi lebih dari setengah populasi Bumi. Oleh karena itu, melindungi tanaman padi dari penyakit merupakan upaya penting dalam pertanian modern. Dari sekian banyak patogen yang dapat menginfeksi tanaman padi, bakteri Xanthomonas oryzae yang menjadi penyebab penyakit hawar bakteri (BB) termasuk yang terparah. Tanaman bernilai ratusan juta dolar hilang setiap tahun karena BB, dan jutaan dolar dihabiskan untuk tindakan pencegahan dan penelitian.
Salah satu strategi yang paling berhasil untuk mengendalikan BB dan penyakit tanaman lainnya adalah menanam kultivar yang tahan secara genetik. Namun, karena patogen dapat berkembang dengan cepat, para peneliti harus terus mengeksplorasi gen baru yang memberikan perlawanan dan menerapkannya saat berkembang biak. Oleh karena itu, mereka harus secara teratur mencicipi beberapa tanaman padi pada waktu yang berbeda dalam setahun dan mengukur respons mereka terhadap infeksi bakteri, yang merupakan persalinan intensif dan memakan waktu secara manual.
Tetapi bagaimana jika kita memanfaatkan teknologi modern untuk menyederhanakan proses ini? Dalam sebuah penelitian terbaru yang diterbitkan di Phenomik Tumbuhan, tim peneliti yang dipimpin oleh Dr. Xuping Feng dari Universitas Zhejiang, Tiongkok, mengembangkan strategi inovatif yang menggabungkan drone dan pembelajaran mesin untuk mengukur wabah BB di lapangan dan menyaring gen yang berpotensi resisten.
Para peneliti menyiapkan dua lokasi percobaan di Provinsi Zhejiang, Cina, tempat mereka menanam lebih dari 60 jenis kultivar padi dengan ketahanan berbeda terhadap BB. Menggunakan kendaraan udara tak berawak (UAV, lebih dikenal sebagai 'drone') dilengkapi dengan kamera biasa dan multispektral, mereka mencitrakan lokasi tanaman pada berbagai tahap perkembangan tanaman padi. Setelah itu, mereka menggabungkan gambar UAV ini dengan data akumulasi suhu (AT) dan menggunakannya untuk melatih a model pembelajaran yang mendalam untuk mengevaluasi tingkat keparahan BB.
Perlu dicatat, menggabungkan data AT dengan data pencitraan UAV yang diambil pada berbagai tahap pertumbuhan tanaman padi merupakan strategi yang unik untuk penelitian ini. Tim menemukan bahwa informasi ini cukup bagi model terlatih untuk membuat prediksi akurat tentang tingkat keparahan BB. Selain itu, para peneliti juga menguji apakah model yang dilatih dengan data yang dikumpulkan di satu situs dapat diberikan dengan sejumlah kecil data pelatihan yang dikumpulkan di situs lain untuk meningkatkan prediksinya di situs yang terakhir.
Untungnya, hasilnya sangat menjanjikan, seperti yang diamati oleh Dr. Feng: “Mempertimbangkan biaya pengambilan sampel lapangan, kami menemukan bahwa transfer hanya 20% dari data baru adalah strategi pembaruan model yang berguna dan hemat biaya untuk mencapai prediksi BB yang andal. keparahan di berbagai situs.”
Para peneliti kemudian berusaha menggunakan metode baru ini untuk mengukur keparahan BB secara efektif menggunakan UAV untuk melakukan pemetaan lokus sifat kuantitatif (QTL).
“QTL menandai lokasi dalam genom tempat gen mengontrol sifat kuantitatif tertentu, seperti kerentanan terhadap suatu penyakit. Memetakan QTL ke respons tanaman di bawah tekanan patogen dapat membantu pemulia mengidentifikasi fungsi atau sifat tanaman yang dikendalikan oleh serangkaian QTL tertentu, ”jelas Dr. Feng. Sederhananya, pemetaan QTL melibatkan analisis genom dari beberapa sampel organisme dan mencoba menentukan gen mana yang bertanggung jawab atas sifat target, termasuk ketahanan terhadap penyakit.
Dalam penelitian ini, tim menentukan tingkat keparahan penyakit BB pada tanaman secara tidak langsung menggunakan citra UAV dan menggabungkan informasi ini dengan hasil analisis genetik beberapa sampel padi yang diambil pada tahap pertumbuhan berbeda dan dari kultivar berbeda. Melalui pendekatan ini, para peneliti berhasil mendeteksi QTL yang teridentifikasi sebelumnya terkait dengan resistensi BB, serta tiga QTL baru!
Seperti yang ditunjukkan oleh hasil, keseluruhan strategi yang digariskan dalam penelitian ini dapat menjadi penghemat waktu nyata dalam penelitian penyakit pertanian. “Dibandingkan dengan pengukuran keparahan penyakit secara manual, teknik penginderaan jauh UAV memungkinkan kami untuk mengumpulkan informasi fenotipik berskala besar dengan cepat, yang memberikan dukungan teknis untuk mempercepat penelitian pemuliaan,” Dr. Feng menyimpulkan. Yang paling penting, meskipun pendekatan ini dikembangkan dan diuji secara khusus untuk padi dan BB, pendekatan ini juga dapat diadaptasi untuk tanaman lain dan penyakit.
