XiaoMi-AI文件搜索系统
World File Search System粮食产量
这对于植物育种的未来意味着什么？
摘要 世界人口和粮食产量正在不成比例地增长，在目前的农业实践下，这种增长方式是无法相互匹敌的。随着气候的微妙变化和可以轻易用于常规育种的天然遗传资源的流失，新出现的危机更加明显。在这种情况下，基于 CRISPR-Cas 的廉价基因编辑技术带来了希望，并为旧的植物育种机器注入了最有活力和最强大的燃料，以应对养活世界的挑战。是什么让 CRISPR-Cas 成为最强大的基因编辑技术？它与其他基因工程/育种技术有什么区别？它的产品会被贴上“常规”或“转基因”的标签吗？有太多问题需要回答，或者在我们目前的理解范围内无法回答。因此，我们想讨论和回答一些关于技术发展最新进展的问题。我们希望这篇评论能为 CRISPR-Cas 技术在未来的植物育种中的作用提供另一种视角，以用于食品生产及其他领域。
农业对印度经济的作用
农业是印度经济最重要的部门。印度农业部门占印度国内生产总值 (GDP) 的 18%，为该国 50% 的劳动力提供就业机会。印度是世界上最大的豆类、大米、小麦、香料和香料产品生产国。印度有许多领域可供选择，如乳制品、肉类、家禽、渔业和粮食等。印度已成为世界第二大水果和蔬菜生产国 [1]。根据经济和统计部 (DES) 提供的数据，2013-2014 年粮食产量为 2.64 亿吨，与 2012-2013 年的 2.57 亿吨相比有所增加。这对印度农业部门的经济来说是一个好兆头。就稻谷、小麦、豆类、花生、油菜籽、天然产品、蔬菜、甘蔗、茶叶、黄麻、棉花、烟叶等不同农产品的生产而言，印度仍然是世界三大产区之一。另一方面，在广告方面，印度农业综合企业仍然面临着一些问题，例如，商业部门协调与整合水平低，农民缺乏有关农业各个问题所需的可靠和便捷的信息 [2]。
既不可持续也不包容：马尔代夫农业政策和生计的政治经济学
2012 年修订的《粮农组织世界农业报告》预测，如果世界采用农业集约化，即增加作物产量和提高种植强度，全球粮食产量可能会增加 90%，并且“只要研究/投资/政策要求和可持续集约化目标继续成为优先事项，世界农业就不会面临生产未来人口所需粮食的重大制约因素”（Alexandratos 和 Bruinsma 2012，20）。这些预测无疑使可持续农业集约化 (SI) 成为解决全球粮食和气候变化问题的“组织原则”（粮农组织 2009a）。此外，虽然农业集约化理念无疑已成为主流，并在推动第二次绿色革命的浪潮中根深蒂固（Fairbairn 等人，2014 年；Snyder 和 Cullen，2014 年；Tittonell，2014 年；Vanlauwe 等人，2014 年；Mdee 等人，2019 年），但这可能意味着仅关注提高产量的技术干预，与“可持续性”的规范目标之间的关系不明确且存在争议。
评估冷链物流性能，功能和
预计，由于人口的增加，到2050年的粮食产量将从目前的60％增加到110％（Garnett，2013年）。尽管如此，面对人口上涨和全球粮食价格上涨，粮食损失的速度增加。通常，园艺作物尤其是新鲜水果的损失是发展中国家面临的至关重要的挑战（Hailu and Derbew，2015年）。Gustavsson等人（2011年）估计，每年全球13亿吨的食物在全球范围内丢失。粮食损失是指为人类食用而生产或收获的植物和 /或动物的可食用部分，但最终不是人消耗的（Yildirim等，2016）。这一现象被认为是一个全球挑战，并努力将其提高到最低限度。目前的粮食损失率被认为是对可持续发展的重大威胁之一（Surucu-Balci和Tuna，2021年）。因为粮食损失对经济，环境和社会有负面影响（Alamar等，2018； Halloran等，2014； Gustavsson等al，2011年）。不仅如此，粮食损失增加了消费者的每单位成本，而同时减少了农民和食品价值连锁参与者的收入并增加了费用（Lipinski等，2013； Buzby和Hyman，2012）。
人工智能和机器人技术在减少食品供应链浪费方面的作用：系统文献综述、理论框架和研究议程
bullet.png 摘要 COVID-19 大流行揭示了全球粮食供应链中的低效率。一个明显的扭曲是，在普遍的粮食不安全面前，全球近三分之一的粮食产量被浪费。随着人口爆炸和气候变化成为额外的压力点，减少粮食浪费已成为实现全民粮食安全的当务之急。在本文中，我们制定了一个研究框架和议程，以利用人工智能和机器人技术减少粮食损失和浪费。食品认知自动化 (COGAF) 已被开发为指导未来研究的理论框架。该框架将研究领域划分为五个不同的研究流：感官增强、认知自动化、物理自动化、感觉运动融合和协作自动化。为了制定系统的研究议程，每个研究流都制定了提案。结合 COGAF 框架，该研究议程试图为未来使用人工智能和机器人减少粮食损失和浪费的研究和知识创造提供路线图。
干货 - 国际
从华盛顿地球政策研究所所长、世界观察研究所中心和创始人 Lester R. Brown 到印度的 Bhavarlal Jain（他一生致力于改变全世界数百万小农户种植粮食和非粮食作物的方式），他们传达的一个共同信息是：由于气候仍然处于不断变化的状态，水资源管理（尤其是农业部门的水资源管理）将需要彻底重新设计。全球变暖的后果是极端高温和干旱，正如美国和其他一些粮食出口国在 2012 年所经历的那样，粮食价格接近创纪录水平。中国、印度和泰国等许多地方不时出现暴雨和洪水，扰乱了农业生产。由于天气越来越不利于正常作物生长，过去 12 年中有 6 年，世界粮食产量低于消费量。许多国家被迫减少粮食库存以弥补供需之间的差距。报告称，在这一过程中，粮食储备量已从十年前的107天的舒适水平下降到仅能维持70多天的消费量。
植物生长促进微生物在小麦适应和耐受除草剂和干旱胁迫组合中的潜在作用
1. 引言 小麦 ( Triticum aestivum L.) 是种植最广泛的谷物（与水稻和玉米一起），是世界 40% 人口的主要营养来源 (Asseng 等人，2019 年)。根据国际谷物理事会 (https://www.igc.int/en/default.aspx) 的数据，2021/2022 年小麦产量为 7.81 亿吨（约 2.2 亿公顷），占世界谷物产量的 30%。全球近 70% 的小麦产量用于食用，其他用于动物饲料和工业加工。小麦粒提供全球总膳食热量的 20% 和蛋白质的 25%。由于预计到 2050 年世界人口将超过 100 亿（https://www.fao.org/home/en），全球对小麦的需求将需要增加约 70% 才能确保满足人类的营养需求（Di Benedetto 等人，2017 年；Zhang 等人，2018 年；Zandalinas 等人，2021 年）。然而，干旱及其与除草剂的结合等主要非生物胁迫导致的粮食产量/质量损失对农业造成了重大损害，
基因组编辑技术对改善营养、环境可持续性和减少贫困的贡献
可持续发展目标 (SDG) 于 2015 年启动，其中三大目标是消除贫困、改善粮食安全和增进人类健康。所有 17 项可持续发展目标的目标实现日期均为 2030 年。这些目标雄心勃勃、鼓舞人心，需要大量创新和技术采用才能成功实现。自 20 世纪中叶以来，植物育种创新为改变粮食生产效率做出了巨大贡献，本世纪出现的创新显示出提高作物产量、粮食作物营养价值和环境影响的更大潜力。这些成果支撑了几个可持续发展目标，特别是前三个目标。随着气候变化预计将变得越来越多变，对农业的影响越来越大，确保增加粮食产量的能力将变得越来越重要，因为更高的产量直接有助于减少贫困。本文回顾了最近关于基因组编辑技术在提高产量、增强营养和提高可持续性方面可能做出贡献的报告，强调了它们对于实现前三个可持续发展目标的重要性。
参与式育种发展
粮食作物是指为生产适合食用的食品成分而种植的植物（Aly & Basik，2023），而根据第 201 条法律， 2012 年第 18 号关于食品的法律规定，食品成分是指来自生物资源和水的任何东西，无论是作为食品还是饮料。食物的主要功能是满足人体的能量和营养需求，因此食物成为社会的基本需求。粮食需求将始终随着人口的增长而增加。以印度尼西亚为例，预计 2050 年人口将达到 3.28 亿，因此全国粮食需求量估计为 4820 万吨，比 2010 年增加 145%（Ritung，2010 年）。如果印度尼西亚想要实现粮食自给自足，那么必须通过集约化生产来满足国内粮食需求，提高收获指数和作物生产力（Borlaug & Dowswell (2003)），但增加国内粮食产量不能损害环境，这可以通过采用可持续集约农业方法（可持续集约农业）来实现（Beltran - Pena et al., 2020）。实施可持续集约农业概念成功的关键之一是利用植物育种活动中的优良品种（Pretty et al., 2018）
信息时代的小农农业：局限性与机遇
联合国最近的预测显示，为了满足世界不断增长的人口的营养需求，到 2050 年粮食产量需要翻一番。这一增长的关键推动因素是小农家庭农场，它们是全球农业 (AG) 生产的骨干。为了满足这种日益增长的需求，小农农场需要在任务管理和协调、作物和牲畜监测以及高效的农耕实践方面取得重大进展。信息和通信技术 (ICT) 将在这些进步中发挥关键作用，它提供集成的、价格合理的网络物理系统 (CPS)，可以纵向测量、分析和控制 AG 操作。在本文中，我们在此类 AG-CPS 的设计和集成方面取得了进展。我们首先根据农场互联网使用的流量分析来描述小农农业的信息和通信技术需求。我们的研究结果为端到端 AG-CPS（称为 FarmNET）的设计和集成提供了信息，它提供了（i）用于多传感器 AG 数据收集和融合的强大控制机制，（ii）用于无处不在的农场连接的广域异构无线网络，（iii）用于农场数据分析的算法和模型，可根据收集到的农业数据生成可操作的信息，以及（iv）用于自主、主动农业的控制机制。