Yield-loss assessment and development of a high-throughput system for phenotyping maize genotypes for rotten grain

Abstract

Maize ear rots, including Diplodia Ear Rot (DER), Fusarium Ear Rot (FER), and Gibberella Ear Rot (GER), caused by Stenocarpella macrospora, Fusarium verticillioides, and Fusarium meridionale, respectively, are globally important diseases that can significantly reduce yield and compromise grain quality. To estimate the relationship between disease intensity and yield, two field experiments were conducted in the Triângulo Mineiro region, Minas Gerais, Brazil, during the 2024/25 growing season, with artificial inoculations. General mixed-effect models adjusted for severity, incidence, and rotten grain showed that each 1% increase in disease intensity resulted in yield reductions of -52.83, -48.35, and -42.83 kg ha?¹, respectively. The intercepts of these models, representing the maximum attainable yields in the absence of infection, were estimated at 11,817.6, 13,390.3, and 12,000.0 kg ha?¹. Based on these parameters, relative damage coefficients (Dc) were estimated to range from 0.36% to 0.45%, highlighting the significant impact of ear rots on maize yield. Additionally, the potential of near-infrared (NIR) spectroscopy as a tool to automate the phenotyping of rotten grain incidence was evaluated. Spectra were collected in the 908–1676 nm range, both in the field and in the laboratory, from samples of approximately 500 g. Different pre-processing (SNV, MSC, Savitzky-Golay, and derivatives) were applied, and various regression models were tested, including Partial Least Squares Regression (PLS), Random Forest (RF), and Support Vector Regression (SVR). The best performance was obtained with PLS models, showing accuracies of 0.76–0.79 for field data and 0.75–0.88 for laboratory data, demonstrating good predictive capacity despite relatively high RMSE and RMSEP values. These results reinforce the potential of ear rots to reduce maize yield and indicate that NIR spectroscopy, combined with predictive models, constitutes a promising tool to support field-level phenotyping and guide management strategies. Keywords: maize ear rots; modeling; damage coefficient; near-infrared spectroscopy; phenotypingAs podridões de espiga do milho, incluindo Diplodia Ear Rot (DER), Fusarium Ear Rot (FER) e Gibberella Ear Rot (GER), causadas por Stenocarpella macrospora, Fusarium verticillioides e Fusarium meridionale, respectivamente, são doenças de importância global, capazes de reduzir significativamente a produtividade e comprometer a qualidade dos grãos. Para estimar a relação entre intensidade das doenças e rendimento, dois experimentos de campo foram conduzidos na região do Triângulo Mineiro, Minas Gerais, Brasil, na safra 2024/25, com inoculações artificiais. Os modelos gerais de efeitos mistos ajustados para severidade, incidência e rotten grain mostraram que cada incremento de 1% na intensidade da doença resultou em reduções de rendimento de -52,83, -48,35 e -42,83 kg ha?¹, respectivamente. Os interceptos desses modelos, representando as produtividades máximas alcançáveis na ausência de infecção, foram estimados em 11.817,6, 13.390,3 e 12.000,0 kg ha?¹. Com base nesses parâmetros, os coeficientes de dano relativos (Dc) variaram entre 0,36% e 0,45%, evidenciando o impacto significativo das podridões de espiga sobre a produtividade do milho. Complementarmente, avaliou-se o potencial da espectroscopia no infravermelho próximo (NIR) como ferramenta para automatizar a fenotipagem da incidência de rotten grain. Espectros foram coletados na faixa de 908 a 1676 nm, tanto em campo quanto em laboratório, a partir de amostras de aproximadamente 500 g. Diferentes técnicas de normalização (SNV, MSC, Savitzky- Golay e derivadas) foram aplicadas e diversos modelos de regressão testados, incluindo Partial Least Squares Regression (PLS), Random Forest (RF) e Support Vector Regression (SVR). Os melhores desempenhos foram obtidos com PLS, apresentando acurácia de 0,76–0,79 para dados de campo e 0,75–0,88 para dados de laboratório, demonstrando boa capacidade preditiva, apesar de valores relativamente elevados de RMSE e RMSEP. Esses resultados reforçam o potencial das podridões de espiga em reduzir a produtividade do milho e indicam que a espectroscopia NIR, associada a modelos preditivos, constitui uma ferramenta promissora para auxiliar na fenotipagem de materiais a campo e apoiar estratégias de manejo. Palavras-chave: podridões de espigas; modelagem; coeficiente de dano; espectroscopia do infravermelho-próximo; fenotipagem