Hochdurchsatz-Screening der photosynthetischen Effizienz in Nutzpflanzen im Feld mit einem autonomen Roboter

Wir untersuchen die Photosynthese unter schwankenden Feldbedingungen, um effiziente und widerstandsfähige Varietäten zu identifizieren und die zugrunde liegenden vorteilhaften Allele zu entdecken. Die Photosynthese wird meist durch zeitaufwändige manuelle PAM- und Gasaustauschmessungen bewertet, die die Erkennung saisonaler Dynamiken und das Screening hoher genetischer Vielfalt einschränken. Um zu beginnen, installieren Sie das Kamerastativ neben dem Versuchsfeld.

Setze den PPFR-Sensor auf das Stativ und stelle den Datenlogger und die Powerbank auf den Boden unter dem Stativ. Nun die LIFT-Sensor-Baugruppe an der Vorderseite des Roboters zu montieren und ihn etwa 60 Zentimeter über dem Kronendach zu positionieren. Stellen Sie den Laptop, die Autobatterie und den Stromwechselrichter auf den Roboter.

Schließen Sie den Stromwechselrichter an die Autobatterie an. Schließen Sie dann den Wechselrichter an die LIFT-Sensor-Baugruppe an. Positioniere als Nächstes das GNSS-Antennenkit auf dem Roboter.

Verbinde das Antennenkit mit dem Laptop, starte den GnssLogger-Desktop-Client und passe die gewünschten Einstellungen an. Die vom LIFT-Sensor direkt gemessene Größe ist die Chlorophyllfluoreszenz-Ausbeute, also die Zunahme der Gesamtfluoreszenz durch den Anregungsstrahl für jeden Blitz. Um die Quanteneffizienz des Photosystems II zu berechnen, verwenden wir die gegebene Formel.

Während die 300-Blitz-Anregungsphase nur 750 Mikrosekunden dauert, beträgt die Gesamtdauer einer einzelnen Chlorophyllfluoreszenzmessung, einschließlich der Relaxationsphase, etwa 21 Millisekunden. Anschließend wird der Roboter manuell mit der Fernbedienung zum Anfang der ersten Reihe von Diagrammen im Versuchsfeld gefahren. Aktivieren Sie das Messskript sowohl für den LIFT-Sensor als auch für das Spektrometer im kontinuierlichen Modus.

Starten Sie die autonome Roboternavigation mit einer Geschwindigkeit von 0,5 Metern pro Sekunde über die Robot Control Website. Während der Messung überprüfen Sie regelmäßig das Diagramm, das die Chlorophyllfluoreszenz-Ausbeute im LIFT-Sensor-Desktop-Client darstellt, um die erwartete Form zu bestätigen. Wenn die Signale zu schwach erscheinen, passen Sie die Sensorverstärkung entsprechend an.

Halten Sie das weiße Referenzpanel periodisch unter dem Anregungsstrahl auf Höhe des Pflanzendachs, während der Roboter am Feldrand dreht. Verwenden Sie das Datentabellenpaket in R, um die transienten und spektralen Daten von LIFT aus allen Dateien zu lesen, die auf Daten-CSV und spektrales CSV enden. Lesen Sie die GNSS-Daten, Wetterdaten, die GeoJSON-Plotkarten und die experimentelle Designdatei ein.

Extrahieren Sie die Quanteneffizienz des Photosystems II aus jedem aufgezeichneten LIFT-Transienten. Dann bestimmen Sie die Richtung des Roboters anhand aufeinanderfolgender GNSS-Positionen. Führen Sie die GNSS-Daten mit dem experimentellen Design zusammen, wobei die zugewiesenen Plot-Kennungen verwendet werden, um räumliche Standorte mit Behandlungs- und Replikationsinformationen zu verknüpfen.

Filtern Sie die weißen Referenzmessungen aus dem spektralen Reflektanzdatensatz und führen Sie diese Messungen mit den PPFR-Daten anhand von Zeitstempeln zusammen, um eine Nachschlagetabelle zu erstellen, die spektrale Reflexion mit verschiedenen einfallenden Lichtintensitäten verknüpft. Nun werden Korrekturen auf die rohen spektralreflektorischen Daten anhand der generierten Nachschlagetabelle angewendet. Genotypspezifische photosynthetische Reaktionstrends aus dem Outrer gefilterten Chlorophyllfluoreszenzdatensatz mit dem Modell extrahieren.

Schätzen Sie die Steigung des Genotyps anhand des PPFR-Interaktionsterm unter Verwendung der Emtrend-Funktion in R, um die genotypspezifische Bestrahlungsreaktion zu quantifizieren. Das Modell enthält MTCI, um Variationen im Chlorophyllgehalt und der Kronenstruktur zu berücksichtigen. Im Sommer wurden 36 Sojabohnen-Zuchtlinien gemessen.

Der georeferenzierte Datensatz zeigte starke räumliche Muster sowohl in der quantenmechanischen Effizienz des Photosystems II als auch im normalisierten Differenzvegetationsindex über die experimentellen Felder hinweg, bedingt durch unterschiedliche Genotypen in den Parzellen und wahrscheinlich zusätzliche Boden- und Feldheterogenität. Reihenweise räumliche Muster wurden teilweise dadurch erklärt, dass die Flugrichtung des Feldroboters die Schatten der Zielblätter zu einer bestimmten Tageszeit verursachte. Lineare Mixed-Effects-Modellierung der saisonlangen Reaktionen der Quanteneffizienz des Photosystems II auf die zunehmende einfallende photosynthetische Photonenflussrate, kurz PPFR, zeigte eine ausgeprägte Feldheterogenität und erklärte einen erheblichen Teil der Varianz im Datensatz.

Die extrahierten, genotypspezifischen Steigungen zeigten deutliche Unterschiede zwischen den Zuchtlinien, wobei mehrere Linien steilere oder flachere Antwortkurven der Quanteneffizienz des Photosystems II auf zunehmende Lichtintensitäten im Vergleich zum Paneldurchschnitt aufwiesen. Dreidimensionale Rekonstruktionen der Kronendecke mit dem MOSS-T3R-Algorithmus zeigten das Potenzial der Integration physiologischer und struktureller Phänotypisierung. Automatisierte LIFT-Messungen während der Saison zeigen physiologische Heterogenität innerhalb der Flächenkronen und, was wichtig ist, unterschiedliche photosynthetische Effizienzen zwischen den Genotypen.

Unser Ansatz erfasst Echtzeit-Photosynthesemessungen nicht-invasiv und autonom innerhalb von Millisekunden, was einen schnellen Vergleich photosynthetischer Reaktionen über ganze Jahreszeiten und verschiedene Genotypen ermöglicht. Zukünftige Arbeiten werden LIFT mit genomischen, thermischen und 3D-Blätterdachdaten integrieren, um Photosynthese, Stresswiderstandsfähigkeit und Ernteproduktivität präziser vorherzusagen.