အမြစ်ဇုံအတွင်း အခြေအနေများကို အချိန်နှင့်တပြေးညီ သိရှိခံစားနိုင်သော မြေဆီလွှာရေကူးစက်ရုပ်မှသည် ပရောဂျက်များမှ ရရှိလာသော မျိုးစေ့ရန်ပုံငွေများမှ အပျက်အစီးများကို ကြိုတင်ခန့်မှန်းနိုင်သော တွက်ချက်မှုပုံစံများအထိ၊ ဒစ်ဂျစ်တယ်စိုက်ပျိုးရေးအတွက်ကော်နဲလ် Initiativeသုတေသန တီထွင်ဆန်းသစ်မှု ရန်ပုံငွေအသစ်။
စိုက်ပျိုးရေးနှင့် အသက်မွေးဝမ်းကြောင်းသိပ္ပံကောလိပ်၊ အင်ဂျင်နီယာကောလိပ်၊ ကွန်ပျူတာနှင့် သတင်းအချက်အလက်သိပ္ပံ၊ Cornell Tech နှင့် တိရစ္ဆာန်ဆေးပညာကောလိပ် (CVM) တို့မှ သုတေသီအဖွဲ့ ၈ ဖွဲ့သည် သုံးနှစ်တာဆုများ အမေရိကန်ဒေါ်လာ ၂၂၅,၀၀၀ အထိ ရရှိမည်ဖြစ်သည်။ လျှောက်ထားရန်အတွက် အနည်းဆုံး ကောလိပ်နှစ်ခုမှ Cornell ပါမောက္ခအဖွဲ့ဝင်များ ပါဝင်ရန် လိုအပ်ပြီး အဖွဲ့များသည် ကျောင်းဝင်းအတွင်း ပူးပေါင်းဆောင်ရွက်ခြင်းကို သေချာစေပါသည်။
"ဤသုတေသနပရောဂျက်များသည် အစားအစာထုတ်လုပ်ရေး လုပ်ငန်းစဉ်၏ အဆင့်တိုင်းတွင် စိုက်ပျိုးရေးအသွင်ပြောင်းရန် ကွန်ပြူတာမော်ဒယ်များ၊ စက်ရုပ်စနစ်များ၊ ဉာဏ်ရည်တုနှင့် 'အင်တာနက်' ကဲ့သို့သော စိတ်လှုပ်ရှားဖွယ်ရာ ဒစ်ဂျစ်တယ်ကိရိယာများ၏ အလားအလာကို ကိုယ်စားပြုသည်ဟု ဆိုသည်။ Susan McCouchအပင်မွေးမြူခြင်းနှင့် မျိုးရိုးဗီဇဆိုင်ရာ ပါမောက္ခ Barbara McClintock နှင့် Cornell Initiative for Digital Agriculture (CIDA) ၏ ဒါရိုက်တာ။ "ဤကဲ့သို့သော ပညာရပ်ဆိုင်ရာ ပူးပေါင်းဆောင်ရွက်မှုများသည် စိုက်ပျိုးရေး၏ ကုန်ထုတ်စွမ်းအားနှင့် ရေရှည်တည်တံ့ခိုင်မြဲရေးအတွက် သိပ္ပံပညာ၏ နယ်နိမိတ်များကို တွန်းအားပေးမည်ဖြစ်ပြီး ရှာဖွေတွေ့ရှိမှုနှင့် လက်တွေ့ကျသော ဆန်းသစ်တီထွင်မှုများ ပိုက်လိုင်းကို မြှင့်တင်ပေးမည်ဖြစ်သည်။"
CVM ရှိ လူဦးရေဆေးပညာနှင့် ရောဂါရှာဖွေရေးသိပ္ပံဌာနမှ တွဲဖက်ပါမောက္ခ Renata Ivanek မှ ဥက္ကဌအဖြစ် ပါမောက္ခအဖွဲ့ဝင် ၃ ဒါဇင်နီးပါးရှိသော ဘက်စုံစည်းကမ်းအဖွဲ့သည် အဆိုပြုချက် ၃၁ ခုမှ ပရောဂျက်ရှစ်ခုကို ရွေးချယ်ခဲ့သည်။ ဆုများအတွက် ရံပုံငွေသည် CIDA Research Innovation Fund နှင့် US Department of Agriculture Hatch Act အစီအစဉ်မှ ရရှိပါသည်။
စီမံကိန်းများ-
ဇာတိနှင့် စက်ရုပ်ဝတ်မှုန်ကူးစက်များဖြင့် စတော်ဘယ်ရီအထွက်နှုန်းကို တိုးတက်စေခြင်း- Kirstin Petersen၊ လျှပ်စစ်နှင့် ကွန်ပျူတာ အင်ဂျင်နီယာ လက်ထောက်ပါမောက္ခ၊ နှင့် entomology ၏လက်ထောက်ပါမောက္ခ Scott McArt ။ ၎င်းတို့၏လုပ်ငန်းသည် တောရိုင်းနှင့် စီမံခန့်ခွဲထားသော ဝတ်မှုန်ကူးစက်များကို စက်ရုပ်ဝတ်မှုန်ကူးခြင်းနှင့် အလိုအလျောက် စောင့်ကြည့်လေ့လာခြင်းတို့ကို ပေါင်းစပ်ပေးမည်ဖြစ်ပြီး သီးနှံအထွက်နှုန်းကို စောင့်ကြည့်ခြင်း၊ ကြိုတင်ခန့်မှန်းခြင်းနှင့် မြှင့်တင်နိုင်သည့် ဇီဝမျိုးစပ်စနစ်အတွက် အခြေခံအုတ်မြစ်ချမည်ဖြစ်သည်။ သုတေသီများသည် တာရှည်ခံပြီး ပါဝါနည်းသော အင်းဆက်ကင်မရာထောင်ချောက်များကို တီထွင်နိုင်မည်ဖြစ်ပြီး လျင်မြန်သော ၀တ်မှုန်ကူးကူးမှုအတွက် ဒရုန်းများကို အသုံးပြုကာ အွန်လိုင်းအက်ပ်မှတစ်ဆင့် လယ်သမားတစ်ဦးထံ ပေးပို့နိုင်သည့် ကြီးထွားမှုပုံစံများကို ဖန်တီးမည်ဖြစ်သည်။
ရေအသုံးပြုမှု ထိရောက်မှု၏ မြေဆီလွှာ-အမြစ် phenotyping အတွက် မြေဆီလွှာစက်ရုပ်များနှင့် အာရုံခံခြင်း- ပေါင်းစည်းသော အပင်သိပ္ပံကျောင်း (SIPS) မှ တွဲဖက်ပါမောက္ခ Taryn Bauerle၊ Sibley School of Mechanical and Aerospace Engineering (MAE) မှ တွဲဖက်ပါမောက္ခ Robert Shepherd၊ Mike Gore၊ Liberty Hyde Bailey ပါမောက္ခနှင့် SIPS ရှိ မော်လီကျူးမွေးမြူခြင်းနှင့် မျိုးရိုးဗီဇဆိုင်ရာ တွဲဖက်ပါမောက္ခ၊ SIPS ရှိ မြေဆီလွှာနှင့် သီးနှံသိပ္ပံ ပါမောက္ခ Johannes Lehmann၊ နှင့် Abraham Stroock၊ William C. Hooey ဒါရိုက်တာ နှင့် ဓာတုဗေဒ နှင့် ဇီဝမော်လီကျူး အင်ဂျင်နီယာ ပါမောက္ခ Gordon L. Dibble တို့ ပါဝင်သည်။ အပင်အမြစ်များအနီးရှိ မြေဆီလွှာတွင် ရေရရှိနိုင်မှုနှင့် ရေစီးဆင်းမှုဆိုင်ရာ အချက်အလက်များကို အချိန်နှင့်တပြေးညီ ရယူနိုင်ရန် သုတေသီများသည် အမြစ်ဇုံကို တစ်ပိုင်းအလိုအလျောက် စူးစမ်းရှာဖွေရန် အာရုံခံနည်းဗျူဟာတစ်ခုနှင့် မြေဆီလွှာကူးခတ်စက်ရုပ်ကို တီထွင်မည်ဖြစ်သည်။
လတ်ဆတ်သောထွက်ကုန်များ ပျက်စီးယိုယွင်းမှုကို ခန့်မှန်းရန် အဏုဇီဝနည်းပညာဆိုင်ရာ တွက်ချက်မှုဆိုင်ရာ မော်ဒယ်များနှင့် ဆုံးဖြတ်ချက် အထောက်အကူပြုကိရိယာများ- စံပြစနစ်အဖြစ် ဟင်းနုနွယ်ရွက်- အစားအသောက်ဘေးကင်းရေးဆိုင်ရာ Gellert မိသားစုပါမောက္ခ Martin Wiedmann၊ နှင့် Ivanek သုတေသီများသည် လတ်ဆတ်သောဟင်းနုနွယ်ရွက်၏ သိုလှောင်မှုသက်တမ်းကို ခန့်မှန်းရန် စီမံဆောင်ရွက်ခြင်း၊ သယ်ယူပို့ဆောင်ရေးနှင့် လက်လီရောင်းချစဉ်အတွင်း microbiome တုံ့ပြန်မှုများနှင့် အနှောင့်အယှက်များဆိုင်ရာ တွက်ချက်မှုပုံစံကို တီထွင်မည်ဖြစ်သည်။
ပန်းသီးခြံများတွင် အရှိန်မြှင့်ပြီး အလိုအလျောက် ဖိစီးမှုရှာဖွေခြင်း- Cornell AgriTech မှ SIPS မှ တွဲဖက်ပါမောက္ခ Awais Khan၊ Cornell Tech မှ ကွန်ပျူတာသိပ္ပံ ပါမောက္ခ Serge Belongie၊ နှင့် Cornell Tech မှ ကွန်ပျူတာသိပ္ပံတွဲဖက်ပါမောက္ခ Noah Snavely။ အပင်ရောဂါဗေဒ၊ phenotyping နှင့် ကွန်ပျူတာအမြင်ဆိုင်ရာ ကျွမ်းကျင်မှုတို့ကို ပေါင်းစပ်ပြီး အဖွဲ့သည် ပန်းသီးအတွက် ကျွမ်းကျင်သူ-မှတ်ချက်ပေးထားသော ရောဂါဒေတာအတွဲများကို ဖန်တီးကာ ရောဂါအမျိုးအစားခွဲခြင်းနှင့် အရေအတွက်အတွက် ဆန်းသစ်သောအဖြေများကို ရှာဖွေရန် ကမ္ဘာလုံးဆိုင်ရာစိန်ခေါ်မှုပြိုင်ပွဲကို ဦးဆောင်မည်ဖြစ်ပြီး များစွာသောရောဂါလက္ခဏာများအကြား တိကျစွာခွဲခြားနိုင်ရန် ကွန်ပျူတာအမြင်ပုံစံများကို တီထွင်ထုတ်လုပ်မည်ဖြစ်သည်။ ရောဂါများနှင့် ပန်းသီးစိုက်ပျိုးသူများကို ပံ့ပိုးပေးရန်အတွက် အသုံးပြုသူနှင့် အဆင်ပြေသောအက်ပ်များကို တီထွင်ပါ။
ကာဗွန်စိုက်ပျိုးခြင်း- ဤပေါ်ပေါက်လာသောကဏ္ဍကို ပံ့ပိုးရန်အတွက် စက်ဉာဏ်ရည်၊ ဒေတာကြီးများနှင့် လုပ်ငန်းစဉ်ပုံစံများကို ပေါင်းစပ်ခြင်း- Lehmann နှင့် Fengqi You၊ Roxanne E. နှင့် Michael J. Zak တို့သည် Smith School of Chemical and Biomolecular Engineering ရှိ စွမ်းအင်စနစ်အင်ဂျင်နီယာဌာနမှ ပါမောက္ခဖြစ်သည်။ ဤပရောဂျက်သည် မြေဆီလွှာဆိုင်ရာ အော်ဂဲနစ်ကာဗွန်ကို စက်သင်ယူမှု၊ နက်နဲသောသင်ယူမှုနှင့် ကြီးမားသောဒေတာတို့ကို ပေါင်းစပ်ခြင်းဖြင့် မြေဆီလွှာအော်ဂဲနစ်ကာဗွန်ကို တိကျစွာခန့်မှန်းနိုင်စေရန် ရည်ရွယ်ပါသည်။
အပင်အာဟာရ အသုံးချမှုကို မြှင့်တင်ရန်အတွက် rhizomicrobiome ရှိ မျိုးရိုးဗီဇဆိုင်ရာ လုပ်ငန်းဆောင်တာများ ဆက်ဆံရေးကို ဖြတ်တောက်ရန် လုပ်ဆောင်ချက်-ပစ်မှတ်ထားသော ရုပ်ထွက်မြင့်သည့် ဖီနိုရိုက်ပလက်ဖောင်း April Gu, မြို့ပြနှင့်ပတ်ဝန်းကျင်အင်ဂျင်နီယာ၏ပါမောက္ခ; SIPS မှ တွဲဖက်ပါမောက္ခ Jenny Kao-Kniffin၊ ကွန်ပြူတာသိပ္ပံတွဲဖက်ပါမောက္ခ Kilian Weinberger။ သုတေသီများသည် သီးနှံများအတွက် အကျိုးပြုသော သေးငယ်သောဇီဝသက်ရှိအသစ်များကို ရှာဖွေဖော်ထုတ်နိုင်ရန် Cornell တွင် ကမ္ဘာ့အဆင့်မီ စိုက်ပျိုးရေး phenotyping စက်ရုံကို တည်ဆောက်နိုင်စေမည့် ဆန်းသစ်သော phenotyping-genotyping နည်းပညာပလက်ဖောင်းကို တီထွင်ထုတ်လုပ်မည်ဖြစ်သည်။
ကောင်းကင်နှင့် မြေထု၏ အရွယ်အစားရှိ ဒစ်ဂျစ်တယ် အာရုံခံကိရိယာများ- အလွန်အမင်း အပူ၊ မိုးခေါင်မှုနှင့် မိုးရွာသွန်းမှုဆိုင်ရာ လယ်ကွင်းတစ်ခွင် ရာသီဥတု ခန့်မှန်းချက်များကို တိုးတက်ကောင်းမွန်စေရန် အရာများ၏ အင်တာနက်ချဉ်းကပ်မှု- ကမ္ဘာနှင့် လေထုဆိုင်ရာ သိပ္ပံဆိုင်ရာ လက်ထောက်ပါမောက္ခ Toby Ault၊ MAE မှ တွဲဖက်ပါမောက္ခ Max Zhang၊ ရှိပြီးသားအရာများ၏ ကြိုးမဲ့အင်တာနက်ကို အသုံးပြု၍ သုတေသီများသည် အန္တရာယ်များကို ကြိုတင်ခန့်မှန်းရန်အတွက် ကိရိယာတန်ဆာပလာများနှင့်အတူ ပြည်နယ်၊ ခရိုင်နှင့် လယ်ယာအဆင့်တွင် ပြင်းထန်သောရာသီဥတုကို ခန့်မှန်းရန်အတွက် အဓိကပြောင်းလဲမှုများကို စောင့်ကြည့်ပြီး ခန့်မှန်းပေးမည်ဖြစ်သည်။
အလိုအလျောက်နို့တိုက်သည့်စနစ်ဖြင့် နို့တိုက်ထားသော နို့စားနွားများတွင် subclinical နှင့် clinical mastitis ကို တိကျစွာသိရှိနိုင်စေရန် ကြိုတင်ခန့်မှန်းနိုင်သော မော်ဒယ်များ တီထွင်ခြင်း။ Rick Watters၊ CVM မှ အကြီးတန်း တိုးချဲ့တွဲဖက် နှင့် အရည်အသွေး နို့ထုတ်လုပ်မှု ဝန်ဆောင်မှုများ အနောက်တိုင်း ဓာတ်ခွဲခန်း၏ ဒါရိုက်တာ၊ တိရိစ္ဆာန်သိပ္ပံ လက်ထောက်ပါမောက္ခ Kristan Reed။ နို့ထွက်နှုန်း၊ နို့တိုက်ချိန်နှင့် နို့တိုက်ချိန်အကြား ဒေတာကို အသုံးပြု၍ သုတေသီများသည် နို့စားနွားမများတွင် ရင်သားရောင်ခြင်းကို ခန့်မှန်းရန် အယ်လဂိုရီသမ်တစ်ခုကို တီထွင်မည်ဖြစ်သည်။
- Melanie Lefkowitz, Cornell တက္ကသိုလ်
အမြစ်ဇုံရှိ အခြေအနေများကို အချိန်နှင့်တပြေးညီ သိရှိခံစားနိုင်သော မြေသားရေကူးစက်ရုပ်မှသည် ပျက်စီးယိုယွင်းမှုကို ကြိုတင်ခန့်မှန်းနိုင်သော တွက်ချက်မှုပုံစံများအထိ Cornell Initiative for Digital Agriculture ၏ သုတေသနတီထွင်ဆန်းသစ်မှုရန်ပုံငွေမှ ရရှိထားသော မျိုးစေ့ရန်ပုံငွေများမှ ရရှိထားသော မျိုးစေ့ရန်ပုံငွေများ။ ပါမောက္ခ Micheal Gore ၏ ဓာတ်ခွဲခန်းရှိ ကျောင်းသားများက Musgrave Research Farm မှ ဒရုန်းတစ်စင်းကို အထက်တွင် ဖော်ပြခဲ့သည်။ ဓာတ်ပုံ- Allison Usavage