Articolo metodologico

Screening ad alta produttività, in campo, dell'efficienza fotosintetica nelle piante coltivate tramite un robot autonomo

1K visualizzazioni

⸱

DOI:

10.3791/69530

⸱

9 gennaio 2026

 ,  ,  ,  , 
1Crop Science, Institute of Agricultural Sciences, Swiss Federal Institute of Technology Zurich, 2Plant Sciences, Institute of Bio-and Geosciences, Forschungszentrum Jülich

In questo articolo

Sommario

Questo manoscritto descrive un approccio non distruttivo e ad alta produttività per misurazioni autonome sul campo dell'efficienza quantistica del fotosistema II, della riflettanza spettrale e dell'architettura delle piante, consentendo la fenotipizzazione della fotosintesi della chioma su larga scala in prove agronomiche e di riproduzione sul campo.

Abstract

La fotosintesi fornisce energia non solo per la produzione di biomassa vegetale, ma anche per processi simbiotici come la fissazione dell'azoto (N). Sebbene il potenziale per ulteriori guadagni genetici in produttività delle colture principali grazie al miglioramento dell'intercettazione della luce e dell'indice di raccolto sia stato in gran parte esaurito, la variazione genetica naturale o indotta nei tratti fotosintetici offre ancora un notevole potenziale per ulteriori miglioramenti della resa. Tuttavia, poiché la fotosintesi è altamente dinamica in condizioni di campo variabili, è difficile condurre una selezione mirata per la prestazione fotosintetica a meno che non siano disponibili dati ad alta risoluzione spaziale e temporale. Per colmare questo divario, abbiamo installato un dispositivo transiente a fluorescenza indotta dalla luce (LIFT) su un robot da campo autonomo per misurare l'efficienza quantistica del fotosistema II (Fq'/F m'), che si è dimostrato essere ben correlato con le prestazioni complessive della fotosintetica. Il metodo LIFT utilizza lampi sub-saturanti a una velocità di ripetizione elevata per indurre la massima fluorescenza, permettendo misurazioni in meno di 1 ms da una distanza fino a 1 m. Il robot si muove a una velocità di 0,5 m s-1, navigando autonomamente l'intero campo basandosi sulle coordinate del sistema globale di navigazione satellitare (GNSS). Le misurazioni spettrali e le telecamere stereo rosse, verdi e blu (RGB) forniscono informazioni aggiuntive sulle caratteristiche tridimensionali (3D) legate all'architettura vegetale, come l'angolo della foglia e l'intensità luminosa sulla foglia bersaglio. Le mappe ad alta risoluzione spaziotemporale risultanti dell'efficienza fotosintetica forniscono informazioni dettagliate sulle prestazioni di crescita delle piante in prove agronomiche sul campo o in vivai di selezione genetica.

Introduzione

La fotosintesi fornisce alle piante non solo la base energetica per la produzione di biomassa e il mantenimento del proprio metabolismo, ma anche per la fissazione dell'azoto (N) nelleleguminose 1 e altri processisimbiotici 2. Il potenziale di resa di qualsiasi coltura dipende dalla proporzione di flusso fotonico fotosintetico (PPFR) intercettata dalla chioma (ε i), dalla proporzione di questa radiazione effettivamente utilizzata nella fotosintesi e trasformata in biomassa (εc), e dalla proporzione dell'energia biomassa che viene suddivisa nel prodotto raccolto (εp)3. Il εp può essere stabilito uguale all'indice di raccolta (HI) se quest'ultimo è definito come la biomassa del prodotto raccolto divisa per la biomassa totale di germogli eradici 3. Gli sforzi di selezione passati si sono concentrati principalmente sull'aumento di ε i e εc e sono stati molto efficaciin questo scopo: Ad esempio, i genotipi moderni di cereali e leguminose di cereali possono raggiungere un εi nell'ordine del 90% e un HI nell'ordine del 60%, lasciando poche prospettive per aumentare ulteriormente ε i e εp3, 5. Al contrario, i valori di εc osservati nelle colture di C3 eC 4 superano ancora raramente un terzo del massimo teorico del 9,4% e del 12,3%, rispettivamente. Ciò indica un grande potenziale per aumentare ulteriormente la produttività delle colture se εc potesse essere aumentato tramite selezione basata sulla variazione genetica naturale e/o sull'ottimizzazione mirata di elementi dell'apparato di fotosintesi, come l'enzima ribulosio-1,5-bisfosfato carbossilasi/ossigenasi (RuBisCO), tramite ingegneriagenetica 3,5,6,7. Tuttavia, è stato dimostrato che i) l'efficienza fotosintetica è altamente dinamica in condizioni di campo, poiché le piante si adattano costantemente a variazioni di luce e ad altre covariabiliambientali 8,9 ii) i tratti fotosintetici misurati in condizioni di stato stazionario (ad esempio, in camere di crescita interne con illuminazioneartificiale 10) mostrano schemi di ereditabilità diversi rispetto alla fotosintesi non in stato stazionario osservatasul campo 11. Ciò limita l'utilità del fenotipaggio della fotosintesi indoor per la selezione di genotipi ad alta resa delle colture alimentari di base che in pratica vengono generalmente coltivate all'aperto sul campo. Di conseguenza, è difficile condurre una selezione mirata per i tratti fotosintetici a meno che non siano disponibili dati ad alta risoluzione spaziale e temporale provenienti da un gran numero di genotipidelle colture 6,12. 

I tentativi passati di condurre misurazioni non distruttive della fotosintesi sul campo si sono basati in gran parte su dispositivi di misurazione portatili a scambio gassoso 13,14,15 o modulazione di ampiezza a impulsi (PAM) di fluorescenza clorofilla (ChlF)16,17. Questi approcci hanno lo svantaggio condiviso che lasciano le misure su cui effettuare le misurazioni devono essere agganciate manualmente o posizionate in una cameradi misura 18,19. Inoltre, le misurazioni dello scambio gassoso sul campo richiedono diversi minuti per garantire un equilibrio nella camera di misura. Ciò rende le misurazioni laboriose e lente, con grandi difficoltà nel raggiungere una portata sufficiente per studiare la regolazione fotosintetica in condizioni fluttuanti in generale, e in particolare per uno screening significativo di centinaia o addirittura migliaia di genotipi nei programmidi allevamento 19. Come i già citati dispositivi di misura PAMChlF 17, il metodo del transiente fluorescente indotto dalla luce (LIFT) 20 sfrutta il fatto che i) l'energia luminosa che raggiunge la clorofilla nel fotosistema II (PS II) può essere utilizzata sia per la fotosintesi, dissipata come calore in un processo chiamato temprare non fotochimica (NPQ) sia da ChlF e ii) bloccare il percorso della fotosintesi tramite saturazione da un forte impulso luminoso che provoca una riduzione degli accettori di elettroni a valle di PS II comporterà un corrispondente aumento di ChlF. Basandoci su questa variabile indotta ChlF, possiamo calcolare l'efficienza quantistica fotosintetica di PS II (Fq'/Fm') in condizioni di luce ambiente o l'efficienza quantistica massima di PS II (Fv/F m) se le foglie venivano lasciate al buio prima delle misurazioni.

Il parametro Fv/F m è stato stabilito all'inizio degli anni '80 da Kitajima e Butler21, Butler22, e Björkman e Demmig23, che hanno riportato un valore ottimale di ≈ 0,83 nelle foglie non stressate tra diverse specie. Lo sviluppo di Fq'/F m' (ΦPS II) come diagnostica delle prestazioni fotosintetiche è iniziato con Genty et al.24, che hanno mostrato la sua relazione quasi lineare con l'assimilazione delCO2 in condizioni di non stress. Maxwell e Johnson25 e Baker26 fornirono successivamente un quadro pratico per applicare Fq'/Fm', Fv/F m e NPQ, sottolineando la loro sensibilità allo stress ambientale e il loro valore nell'identificare sintomi di danno come la fotoinibizione. Murchie e Lawson27 hanno evidenziato il potenziale (e i limiti) di Fq'/F m' per il fenotipaggio dei campi e il miglioramento delle colture. Più recentemente, Long et al.8 hanno sottolineato che la fotosintesi nelle colture avviene sotto luce fluttuante, dove i cambiamenti dinamici nell'efficienza del PS II e nella regolazione NPQ influenzano fortemente il guadagno di carbonio, sottolineando la necessità di interpretare i parametri di fluorescenza in relazione alla variabilità ambientale temporale.

Come già affermato in28, Fq'/F m' misurato con un sensore LIFT stazionario ha correlato bene con le misurazioni del tasso di assimilazione del PAM (R2 = 0,89) e del tasso di assimilazione di CO2 (R2 = 0,89)29,30,31. In linea con ciò, modellare le risposte Fq'/F m' durante le stagioni di campo ha dimostrato permettere buone previsioni di εc, produttività delle colture12,32 e tolleranza allo stress33. Tuttavia, i dispositivi di misurazione della ChlF di tipo PAM utilizzano un singolo lampo di luce (impulso saturante) per inibire la via della fotosintesi e lampi più deboli per misurare la ChlF minima e massima (impulso di misura), che richiede circa 1 secondo in totale e quindi non è adatto a un throughput molto elevato. Al contrario, il sensore LIFT produce una sequenza rapida di 300 flashlet ad alta intensità (con fotoni da 40.000 μmol m-2 s-1) per ottenere una saturazione graduale del percorso di fotosintesi entro 750 μs (= 0,00075 s) mentre la resa di ChlF viene misuratadiscretamente 20. Ciò consente una distanza maggiore tra il dispositivo di misurazione e la fogliabersaglio 19 e consente misurazioni rapide e ad alta produttività utilizzando un veicolo portante autonomo su cui il sensore è rigidamentemontato 32. Gli studi precedenti (ad esempio, 32) erano spesso limitati nella capacità di produzione in condizioni di campo o limitati agli esperimenti in serra. Sebbene questi approcci abbiano avuto successo nell'identificare geni candidati per la regolazionefotosintetica 12, probabilmente hanno trascurato importanti processi regolatori che si verificano in condizioni di campo. Pertanto, ipotizziamo che un sensore LIFT montato su un robot autonomo costituisca uno strumento adatto per misurare Fq'/F m' di un gran numero di genotipi (diverse misurazioni al secondo su migliaia di piante o appezzamenti al giorno) sul campo.

Protocollo

1. Installazione del sensore PPFR e del data logger

  1. Collega il sensore PPFR e il powerbank al data logger. Collega il data logger al computer portatile e avvia il data logger utilizzando il client desktop del data logger.
  2. Installa il treppiede della telecamera accanto al campo sperimentale con il sensore PPFR sopra e il data logger e il powerbank a terra sottostante.
    NOTA: Assicurati che il sensore PPFR sia in posizione verticale e non sia ombreggiato o influenzato da oggetti vicini. Il sensore PPFR avrebbe bisogno di un gimbal se montato direttamente sul robot per misurare valori PPFR accurati.

2. Configurazione del robot e dell'assemblaggio sensore LIFT

  1. Carica le coordinate dei waypoint (formato .geojson) per la misurazione sul robot. Possono essere gli stessi utilizzati per la semina guidata GNSS del processo.
  2. Montare l'insieme sensore LIFT sulla parte anteriore del robot a un'altezza di circa 60 cm sopra la chioma del raccolto (vedi Figura 1A).
  3. Posiziona il computer portatile, la batteria dell'auto e l'inverter di potenza sopra il robot e collega l'inverter alla batteria dell'auto e al sensore LIFT.
    ATTENZIONE: Il fascio di eccitazione del sensore LIFT è pericoloso per gli occhi. Guardare direttamente nel fascio di eccitazione deve essere strettamente evitato.
  4. Posiziona il kit di antenna GNSS sopra il robot, collegalo al computer portatile e avvia il client desktop GNSS logger.
  5. Collega il sensore LIFT al computer portatile e avvia il client desktop LIFT con le seguenti impostazioni:
    Sensore SOLLEVAMENTO: potenza di eccitazione = 40.000 μmol fotoni m>-2 s-1; lunghezza del flashlet = 1,6 μs; numero di flashlet di eccitazione per singola misura = 300; numero di flashlet di rilassamento = 80; tempo tra i flashlet di eccitazione = 2,5 μs; Tempo tra i flashlet di rilassamento: ji = 101,28 + 0,0215 × i μs, dove ji è la lunghezza dell'intervallo del iesimo flashlet; guadagno del sensore = 10 o 25; intervallo di misura = 0 s.
    Spettrometro: tempo di integrazione spettrale = 100 ms, intervallo spettrale da 400 a 800 nm.
    Telecamere RGB: esposizione = automatica; otturatore = automatico; guadagno = automatico; luminosità = 0; frame rate = 20 s-1; modalità di attivazione = consentita (attiva la telecamera ad ogni misurazione LIFT).
    NOTA: La quantità misurata direttamente dal sensore LIFT è la resa di ChlF (aumento totale di ChlF dovuto al fascio di eccitazione per ogniflashlet 20). Poi, calcola Fq'/F m' come
    Fq'/F m' = (Fm' - F') / Fm' 26
    dove F' è definito come la resa ChlF delprimo flashlet e Fm' come la media delle resate ChlF dei flashlet 301e 302 flashlet28. La durata totale di una misurazione di ChlF (inclusa la fase di rilassamento) è di circa 21 ms, ma la durata della cruciale fase di eccitazione a 300 flashlet è solo 750 μs.

3. Esecuzione di misurazioni LIFT

  1. Guida manualmente il robot all'inizio della prima fila di tracce nel campo sperimentale usando il telecomando.
  2. Attiva lo script di misurazione per il sensore LIFT e lo spettrometro in modalità continua.
  3. Avvia la navigazione robotica autonoma a una velocità s-1 di 0,5 m utilizzando il sito web di controllo robot.
  4. Durante la misurazione, controllare periodicamente il grafico che rappresenta la resa ChlF nel tempo nel client desktop dell'assemblaggio sensore LIFT per confermare che abbia la forma attesa ( vedi Figura 1B). Regola il guadagno del sensore se i segnali sono troppo deboli.
  5. Periodicamente tieni il pannello di riferimento bianco sotto il fascio di eccitazione all'altezza della chioma del raccolto mentre il robot ruota al bordo del campo.

4. Integrazione e preelaborazione dei dati

NOTA: Il codice R è disponibile su GitHub (https://github.com/beat2keller/lift_data_processing)

  1. Leggi i dati transitori e spettrali LIFT da tutti i dati *_data.csv e *_spectral.csv usando il pacchettodatatable 34 di R.
  2. Leggi i dati GNSS e meteorologici insieme alle mappe del grafico .geojson e al disegno sperimentale.
  3. Combinare i dataset ed eseguire un'analisi statistica, ad esempio, come descritto nel12 o di seguito.
    1. Estrarre Fq'/F m' da ogni transiente registrato.
    2. Unisci ogni punto GNSS al suo grafico corrispondente basato sui poligoni .geojson usando il contenimento spaziale. Non dimenticare di tenere conto della distanza tra l'assemblaggio del sensore LIFT e l'antenna GNSS sul robot.
    3. Determina la rotta del robot da posizioni consecutive. Unisci il disegno sperimentale con i dati GNSS tramite gli identificatori di grafica assegnati.
      NOTA: Questo passaggio collega ogni posizione spaziale alle rispettive informazioni di trattamento (ad esempio, genotipo) e replicazione (ad esempio, blocco).
    4. Combinare i dati ad alta risoluzione del sensore PPFR con i dati PPFR a bassa risoluzione provenienti dalla stazione meteorologica più vicina per produrre una serie temporale PPFR incidente fusa (opzionale).
      NOTA: I dati meteorologici a bassa risoluzione per la Svizzera possono essere derivati dalla rete agrometeo.ch (https://agrometeo.ch/de) come descritto nel35.
    5. Filtrare le misurazioni di riferimento bianco dal dataset di riflettanza spettrale e unirle con i dati PPFR usando timestamp per creare una tabella di ricerca per la riflettanza spettrale sotto diverse intensità di luce incidente come descritto in28.
    6. Correggi i dati grezzi sulla riflettanza spettrale basandoti sulla tabella di ricerca.
    7. Calcola l'indice di clorofilla terrestre MERIS (MTCI) e l'indice di vegetazione a differenza normalizzata (NDVI) dai dati corretti sulla riflettanza spettrale utilizzando le formule
      Equazione 1
      dove Rλ indica la riflessione media alla lunghezza d'onda λ nm.
    8. Unisci i dati ChlF, posizione/progettazione sperimentale GNSS e PPFR/riflettanza spettrale eseguendo una join di vicino più prossimo con una finestra di tolleranza definita (ad esempio, 1 ms) basata sui timestamp.
    9. Identifica e rimuovi le righe con valori anomali in F q'/F m' dal dataset.
    10. Estrarre le tendenze specifiche della risposta fotosintetica per genotipo (G: PPFR) dai dati corretti per ChlF per valori anomali adattandosi al modello
      Fq'/F m' = β0 + β1 Data + β2 (Intestazione x Ora) + β3 (Genotipo × PPFR) + β4 MTCI + β5 PPFR + ε
      al dataset filtrato da outlier.
    11. Stimare la pendenza (β3) del termine predittivo (Genotype × PPFR) utilizzando tendenze marginali stimate (tendenze in R) per ottenere una misura quantitativa della risposta specifica del genotipo all'irradianza. L'inclusione dell'MTCI nel modello tiene conto delle differenze nel contenuto di clorofilla e nello stato della chioma che influenzano Fq'/F m' come descrittoin precedenza 12.
      NOTA: Heading indica la direzione di guida del robot (derivata dai cuscinetti GNSS nel passo 4.3.3) per tenere conto dei potenziali effetti direzionali durante le misurazioni.

Risultati

In totale, sono state acquisite 91.205 misurazioni transitorie di ChlF su 36 linee di riproduzione di soia (Glycine max (L.) Merr.) in 7 giorni di misurazione dal 12 al 27 giugno 2025. 74.927 punti dati potevano essere georeferenziati ai grafici, e 58.916 erano stati filtrati per la qualità dei dati e abbinati con successo a dati spettrali e meteorologici. Una panoramica della configurazione della misurazione e dei dati rappresentativi è mostrata nella Figura 1, inclusa un'immagine dello strumento in funzione (Figura 1A), la cinetica di induzione ChlF su 12 genotipi di soia (Figura 1B) e le corrispondenti curve di riflettanza spettrale (Figura 1C).

I dati georeferenziati hanno rivelato una marcata variazione spaziale sia in Fq'/Fm' che in NDVI tra i due campi sperimentali (Figura 2). Questi schemi spaziali erano in parte associati alla direzione di guida del robot (Figura 3), che è stata quindi considerata nella modellazione successiva per ridurre i potenziali effetti dell'ombreggiatura sulle foglie bersaglio.

La modellizzazione lineare a effetti misti delle risposte di Fq'/F m' alla PPFR incidente (Figura 4A) spiegava una proporzione sostanziale della varianza (REquazione 10 = 0,45, REquazione 11 = 0,60). Le pendenze specifiche per genotipo estratte (Risposta G: PPFR) hanno mostrato differenze chiare tra le linee di riproduzione (Figura 4B), con diverse linee che hanno mostrato curve di risposta più ripide o più piatte rispetto alla media del pannello (Figura 4C).

Infine, le ricostruzioni 3D a livello di baldacchino derivate dall'imaging RGB e dall'algoritmo Matching And Stereo 3D Reconstruction (MASt3R)36 (Figura 5) hanno dimostrato il potenziale di integrare misurazioni fisiologiche basate su LIFT con fenotipizzazione strutturale per catturare l'architettura della candacchia in tre dimensioni.

Figura 1
Figura 1: Panoramica delle misurazioni di transitori di fluorescenza (LIFT) e di riflettanza spettrale indotte dalla luce per i genotipi della soia. (A) Immagine di esempio del dispositivo LIFT in funzione. L'ingresso mostra il fascio di eccitazione blu per indurre la fluorescenza della clorofilla (ChlF). (B) Curve di induzione ChlF transitorie misurate il 27 giugno 2025 per 12 genotipi di soia (media ± SD, n tra 88 e 553 per genotipo, ntotale = 2.035). (C) Spettri corrispondenti di riflettanza fogliare misurati il 25 giugno 2025 per gli stessi genotipi (media ± SE, n totale = 2.035). I colori indicano i singoli genotipi; Le barre di errore rappresentano la variazione tra le misurazioni replicate. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 2
Figura 2: Distribuzione spaziale dell'efficienza quantistica del fotosistema II e valori dell'indice di vegetazione differenziale normalizzato (NDVI). La distribuzione spaziale dell'efficienza quantistica (superiore) dei valori del fotosistema II (Fq'/Fm') e dei valori dell'indice di differenza normalizzata di vegetazione (NDVI) (inferiore) è stata misurata in due campi sperimentali di soia comprendenti 120 lotti e 36 linee di riproduzione (n = 58.916). I punti rappresentano le posizioni di misurazione, con colori che indicano il valore osservato e forme che indicano la direzione del robot: nord-ovest (NW), nord-est (NE), sud-ovest (SW) e sud-est (SE). Le linee nere delimitano i confini dei ploti di campo. I punti neri rappresentano le coordinate del sistema globale di navigazione satellitare (GNSS) del robot da campo. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 3
Figura 3: Efficienza quantistica del fotosistema II. I boxplot mostrano l'efficienza quantistica del fotosistema II (Fq'/F m') e il logaritmo dell'irradianza incidente a 680 nm attraverso le ore di misura (9 - 15 h) sia per la direzione di rotta del rover verso nord-est (NE) che verso sud-ovest (SW) (nNE-ward = 14.339, nSE-ward = 25.669, n totale = 40.008). Il robot stava ombreggiando il punto di misura mentre si dirigeva verso sud-ovest al mattino e verso nord-est nel pomeriggio. Ogni riquadro rappresenta l'intervallo interquartile (IQR) con la linea orizzontale e i baffi che indicano rispettivamente il limite mediano e 1,5 × IQR. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 4
Figura 4: Pene di risposta fotosintetica. (A) Variazione spaziale nelle stime pendenze di risposta fotosintetiche (interazione tra genotipo e tasso di flusso fotonico fotosintetico (G: PPFR)) tra due campi sperimentali sulla soia, derivata da modellazione a effetti misti lineari. (B) Aggiustamento delle medie e stimazioni modellari delle pendenze di risposta fotosintetiche per singole linee di riproduzione, con i genotipi di interesse evidenziati nel colore. (C) Relazione tra PPFR incidente e l'efficienza quantistica del fotosistema II (Fq'/F m') per i genotipi evidenziati, con curve di regressione a radice quadrata adattate. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 5
Figura 5: Misurazione dell'architettura della tendoia tramite LIFT. È mostrata l'architettura della chioma della varietà di soia Gallec. (A) Le fotocamere rossa, verde e blu (RGB) del dispositivo LIFT (light-induced fluorescence transient) acquisivano immagini durante lo screening per la fotosintesi. (B, C) L'algoritmo di matching and stereo 3D reconstruction (MASt3R)36 è stato utilizzato per ricostruire l'architettura 3D del baldacchino. Le piramidi indicano le posizioni stimate delle telecamere. Clicca qui per visualizzare una versione più grande di questa figura.

Discussione

Capacità di produzione del metodo

Il metodo LIFT consente una distanza di misura molto maggiore tra il sensore e le foglie target rispetto ai precedenti dispositivi di misurazione ChlF di tipoPAM e scambio gassoso 18,19, il che a sua volta consente la realizzazione di misurazioni automatizzate ad alta produttività sia sul campo che in ambientiinterni 12,32,37. Questo elimina la necessità di interazione fisica con la chioma. La capacità di questo metodo aumenta con la velocità di guida del robot. Per garantire una misurazione accurata della resa di ChlF nel tempo, la distanza percorsa durante una misura Fq'/F m' deve rimanere trascurabile rispetto al diametro dell'area illuminata (20 mm per il sensore LIFT). Quando il robot si muove durante l'eccitazione, anche il punto illuminato si sposta, così che la resa di ChlF per flashlet diminuisce, causando infine stime errate di Fm' e Fq'/F m' a velocità eccessive. A una velocità robotica di 0,5 m s-1, solo circa il 2,4% dell'area illuminata dall'ultimo flashlet di eccitazione non era già illuminato dal primo flashlet di eccitazione, il che significa che l'errore di misura sistematico su Fm' dovuto al moto del robot sarà numericamente trascurabile (calcolo completo su GitHub, https://github.com/beat2keller/lift_data_processing). A una velocità di 0,5 m s-1, abbiamo misurato 300 lotti (1,5 × 2 m) all'ora su un campo di 40 × 36 m, corrispondenti a diverse migliaia di lotti al giorno. Inoltre, il peso totale relativamente basso (200 kg) e le dimensioni compatte del nostro sistema di misurazione permettono il trasporto da parte di veicoli leggeri, facilitando prove multisito per valutare l'efficienza fotosintetica inambienti 38.

Fotosintesi fogliare contro chioma

Le misurazioni LIFT in questo metodo sono spazialmente limitate allo strato superiore e illuminato dal sole della chioma del baldacchino, responsabile di circa il 50% al 70% dellafotosintesi totale 39. Inoltre, la quantità di luce che ogni foglia può assorbire dipende criticamente dal suo angolo rispetto al sole, con foglie più verticali che generalmente aumentano l'indice di area fogliare, migliorando la penetrazione della luce e la fotosintesi dellachioma 40,41. Con l'assemblaggio sensore LIFT utilizzato in questo metodo, gli effetti dell'architettura 3D della pensilina sulla fotosintesi a foglia singola o intera possono essere modellati utilizzando le misurazioni di riflettanza dello spettrometro28 e/o una ricostruzione esplicita della geometria 3D dellacappottiglia 42 basata sulle immagini del sistema stereo di telecamere RGB. Nuovi algoritmi, come MASt3R36, apprendono corrispondenze di caratteristiche dense e consapevoli della geometria utilizzando trasformatori profondi, permettendo una ricostruzione 3D più robusta e accurata su regioni ampie o ripetitive. Tuttavia, anche senza tali correzioni aggiuntive, l'utilità di metodi automatizzati ad alta produttività, come il LIFT, per identificare varietà di colture più produttive e resilienti èstata dimostrata 11,43.

Limitazione del pozzo

La limitazione del pozzo, cioè la regolazione attiva alla ribasso della fotosintesi dovuta all'incapacità della pianta di utilizzare la quantità di fotosinteti che potrebbeprodurre 44,45, può mascherare le differenze di εc tra i genotipi. La riduzione della fotosintesi limitata dai pozzi probabilmente si accentua con l'aumento della concentrazione diCO2 nell'atmosfera 45. Il nostro metodo può rilevare la limitazione di sink solo quando porta a una diminuzione anche in Fq'/F m'; ci sono indicazioni che ciò possa effettivamenteaccadere 46. In ogni caso, la rilevanza della limitazione dei pozzi sembra dipendere fortemente dalla coltura e dalla fase di sviluppo, con il grano durante il riempimento dei cereali molto più influenzato rispetto alle leguminose45 perché la fissazione simbiotica dell'N di questi ultimi costituisce un forte pozzoaggiuntivo 1,44,46. Se si prevede che la limitazione dei pozzi sia di grande rilevanza in una coltura specifica durante il periodo in cui vengono effettuate le misurazioni LIFT, sono necessari ulteriori studi per confrontare i valori risultanti di Fq'/F m' con i dati di scambio gassoso raccolti simultaneamente e verificare la validità dell'assunzione che Fq'/F m' costituisca un buon proxy per εc.

Distanza di misurazione e variabilità nell'altezza della chioma

L'assemblaggio sensore LIFT utilizzato in questo metodo è progettato per effettuare misurazioni da una distanza di circa 60 cm fino alla chioma dellecolture 32,47. Il sensore LIFT utilizzato nel metodo è abbastanza robusto contro piccole differenze nella distanza di misura, ma una distanza di misura maggiore generalmente sembra portare a valori leggermente più piccoli di Fq'/F m'47. Per prevenire tale bias, raccomandiamo di utilizzare la risposta di Fq'/F m' a PPFR (che è più robusta alle variazioni della distanza di misura) invece dei valori assoluti di F q'/F m' come in12 e/oppure di tenere esplicitamente conto delle differenze nell'altezza della tenda durante l'analisi dei dati.

Ombreggiatura artificiale e involontaria delle foglie

L'aumento dell'intensità luminosa generalmente diminuisce Fq'/F m'3,8,12. Pertanto, bisogna evitare ombreggiature inutili da parte degli operatori o dell'impianto dimisurazione 3,8,12. Per minimizzare l'ombreggiatura dal robot, la direzione di guida può essere impostata per evitare che sia completamente32 (a costo di una riduzione della velocità dovuta a viaggi di ritorno improduttivi), oppure possono essere effettuate misurazioni in direzioni alterne e poi corrette statisticamente per gli effetti di ombreggiatura. In questo studio, il termine Heading × Hour all'interno del modello statistico di Fq'/F m' (vedi passo 4.3.10) garantisce che venga considerata l'ombreggiatura delle parti del bersaglio da parte del robot.

Conclusione

In sintesi, un sensore LIFT montato su un robot autonomo consente misurazioni rapide e automatizzate dell'efficienza fotosintetica in condizioni di campo, superando le limitazioni di portata degli approcci precedenti. Sebbene fattori come la struttura della chioma e la limitazione del pozzo richiedano un'attenta considerazione, i nostri risultati dimostrano che sono possibili screening di fotosintesi affidabili e scalabili nelle prove agronomiche sul campo e nei vivai di selezione delle piante. L'insieme di un sistema stereo RGB ad alta risoluzione e il LIFT come sensore puntuale permetterà un ulteriore aumento della precisione: la localizzazione 3D delle foglie guidata dall'IA permetterà di campionare foglie con orientamento simile verso il sole e di tenere conto dell'inclinazione specifiche delle foglie per genotipo. Dal punto di vista della ricerca, può essere particolarmente interessante confrontare la fotosintesi dei genotipi con diverse architetture della chioma e condurre misurazioni LIFT ad alta produttività sotto arricchimento diCO2 ad aria libera (FACE) per comprendere meglio come Fq'/F m' sia influenzato dai processi a valle di PS II in condizioni di campo e potenziali limitazioni di pozzo. In pratica, lo screening per le prestazioni fotosintetiche e la tolleranza alle tensioni nei vivai di allevamento fino al campo dell'agricoltore per applicazioni di agricoltura di precisione ha un grande potenziale.

Dichiarazioni

Il robot utilizzato in questo studio è stato sviluppato da Caterra AG, una società originaria del gruppo di ricerca ETH Zurich Crop Science, a cui sono affiliati la maggior parte degli autori del presente articolo. Gli autori, tuttavia, non sono direttamente coinvolti nello sviluppo del robot e non dichiarano ulteriori interessi concorrenti.

Ringraziamenti

Ringraziamo Caterra AG per aver fornito il telaio robotico, il supporto tecnico associato e l'aiuto nella conversione per le nostre misurazioni. Ringraziamo Nicola Storni del gruppo di ricerca sulle Scienze delle Colture del Istituto Federale Tecnico Svizzero di Zurigo per il suo supporto nell'installazione del sistema GNSS di registrazione della posizione sul robot. Un ringraziamento speciale va a Christoph Barendregt del DSP Delley Seeds e a Claude-Alain Bétrix di Agroscope per aver fornito materiale vegetale dalla partnership Agroscope/DSP per le sperimentazioni all'interno del progetto PhenoSoy, finanziato dall'Ufficio Federale per l'Agricoltura (FOAG). Il metodo è stato sviluppato nell'ambito del progetto Aumento della sostenibilità e dell'efficienza nell'uso dell'azoto migliorando i piselli per la rotazione delle colture (ECOPRot), finanziato dal centro ETH World Food System grazie a una donazione di Bayer AG e a un ETH Zurich Career Seed Award. Grandi modelli linguistici venivano in parte utilizzati per aiutare nella codifica e nella formulazione. Tutti i risultati sono stati controllati, verificati e finalizzati dagli autori.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Treppiede con fotocamera--Qualsiasi tipo su cui il sensore PPFR possa essere montato orizzontalmente va bene.
Batteria auto (12 V / 80 Ah)Mercedes-Benz Group AG, Stoccarda, GermaniaA 001 982 81 08-
Data loggerHOBO Data Loggers, Bourne, USAStazione HOBO U30, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/-
Data Logger Desktop ClientOnset Computer Corporation, Massachusetts, USAHOBOware Versione 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware-
Kit antenna GNSSArduSimple, Andorra la Vella, AndorraAS-STARTKIT-LR-L1L2-EUNH-00-
Client desktop GNSS loggeru-blox AG, Thalwil, Svizzerau-center GNSS, [sic] Software di Valutazione Versione 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf-
computer portatile --Qualsiasi computer portatile compatibile con i client desktop GNSS e data logger va bene.
Client desktop assembly sensori LIFTSoliense Inc., New York, USAVersione.2016.04-
Assemblaggio sensori LIFT
(completo di adattatore di rete 240 V)		Soliense Inc., New York, USALIFT-REMOltre al vero sensore LIFT, l'insieme sensore LIFT incorpora un sistema di telecamere stereo RGB composto da due fotocamere Blackfly S BFS-U3-50S5C fornite da FLIR Integrated Imaging Solutions Inc. (British Columbia, Canada) [ora Teledyne FLIR LLC, Wilsonville, USA] e uno spettrometro da 400 a 800 nm con una risoluzione di 0,46 nm fornito da Ocean Insight, [ora Ottiche Oceaniche] (Orlando, USA).
  Il robot misura &asimpp; 170 e volte; 210 e volte; 90 cm (lunghezza e larghezza e altezza moltimetticola) e peso e asinto; 170 kg. L'insieme sensori LIFT misura ≈ 23 e più volte; 34 e volte; 59 cm (lunghezza, larghezza e altezza, come montato sul robot).
inverter di potenza
(12 V DC a 240 V 50 Hz AC)		Green Cell CSG S.A., Cracovia, PoloniaINV08-
Powerbank--Qualsiasi powerbank USB va bene.
Sensore PPFRHOBO / LI-COR, Lincoln, USAS-LIA-M003-
Sito web di controllo robotCaterra AG, Opfikon, Svizzera-Il collegamento è fornito dal produttore del robot individualmente per ogni cliente.
Prototipo robotico di telaio
(completo di telecomando e
caricabatterie di rete da 240 V)		Caterra AG, Opfikon, SvizzeraFirefly (prototipo, non commercializzato), https://caterra.org/en/technologie/Qualsiasi altro robot da campo con capacità di carico utile, larghezza di cingoli e altezza da terra adeguate può andare bene.
Pannello di riferimento bianco--Qualsiasi riferimento bianco o grigio va bene.

Riferimenti

  1. Lüscher, A., Hartwig, U. A., Suter, D., Nösberger, J. Direct evidence that symbiotic N2 in fertile grassland is an important trait for a strong response of plants to elevated atmospheric CO2. Global Change Biol. 6 (6), 655-662 (2000).
  2. Dong, Y., Wang, Z., Sun, H., Yang, W., Xu, H. The Response Patterns of Arbuscular Mycorrhizal and Ectomycorrhizal Symbionts Under Elevated CO2: A Meta-Analysis. Front Microbiol. 9, 1248(2018).
  3. Zhu, X. G., Long, S. P., Ort, D. R. Improving Photosynthetic Efficiency for Greater Yield. Ann Rev Plant Biol. 61 (2010), 235-261 (2010).
  4. Giunta, F., Pruneddu, G., Motzo, R. Radiation interception and biomass and nitrogen accumulation in different cereal and grain legume species. Field Crops Res. 110 (1), 76-84 (2009).
  5. Long, S. P., Zhu, X. G., Naidu, S. L., Ort, D. R. Can improvement in photosynthesis increase crop yields. Plant Cell Environ. 29 (3), 315-330 (2006).
  6. Furbank, R. T., Sharwood, R., Estavillo, G. M., Silva-Perez, V., Condon, A. G. Photons to food: genetic improvement of cereal crop photosynthesis. J Exp Botany. 71 (7), 2226-2238 (2020).
  7. Zhu, X. G., Long, S. P., Ort, D. R. What is the maximum efficiency with which photosynthesis can convert solar energy into biomass. Curr Opin Biotechnol. 19 (2), 153-159 (2008).
  8. Long, S. P., et al. Into the Shadows and Back into Sunlight: Photosynthesis in Fluctuating Light. Ann Rev Plant Biol. 73 (2022), 617-648 (2022).
  9. Zelitch, I. The Close Relationship Between Net Photosynthesis and Crop Yield. BioScience. 32 (10), 796-802 (1982).
  10. Poorter, H., et al. Pampered inside, pestered outside? Differences and similarities between plants growing in controlled conditions and in the field. New Phytol. 212 (4), 838-855 (2016).
  11. Taylor, S. H. Phenotyping photosynthesis: yes we can. J Exp Botany. 75 (3), 659-662 (2024).
  12. Keller, B., et al. Linking photosynthesis and yield reveals a strategy to improve light use efficiency in a climbing bean breeding population. J Exp Botany. 75 (3), 901-916 (2024).
  13. Ashley, D. A., Boerma, H. R. Canopy Photosynthesis and its Association with Seed Yield in Advanced Generations of a Soybean Cross. Crop Sci. (4), (1989).
  14. Carmo-Silva, E., et al. Phenotyping of field-grown wheat in the UK highlights contribution of light response of photosynthesis and flag leaf longevity to grain yield. J Exp Botany. 68 (13), 3473-3486 (2017).
  15. Gutiérrez-Rodrıguez, M., Reynolds, M. P., Larqué-Saavedra, A. Photosynthesis of wheat in a warm, irrigated environment: II. Traits associated with genetic gains in yield. Field Crops Res. 66 (1), 51-62 (2000).
  16. Lopez, M. A., Xavier, A., Rainey, K. M. Phenotypic Variation and Genetic Architecture for Photosynthesis and Water Use Efficiency in Soybean (Glycine max L. Merr). Front Plant Sci. 10, 680(2019).
  17. Schreiber, U. Detection of rapid induction kinetics with a new type of high-frequency modulated chlorophyll fluorometer. Photosynth Res. 9 (1), 261-272 (1986).
  18. Kalaji, H. M., et al. Frequently asked questions about in vivo chlorophyll fluorescence: practical issues. Photosynth Res. 122 (2), 121-158 (2014).
  19. Murchie, E. H., et al. Measuring the dynamic photosynthome. Ann Botany. 122 (2), 207-220 (2018).
  20. Kolber, Z. S., Prášil, O., Falkowski, P. G. Measurements of variable chlorophyll fluorescence using fast repetition rate techniques: defining methodology and experimental protocols. Biochim Biophys Acta BBA Bioenergetics. 1367 (1), 88-106 (1998).
  21. Kitajima, M., Butler, W. L. Quenching of chlorophyll fluorescence and primary photochemistry in chloroplasts by dibromothymoquinone. Biochim Biophys Acta BBA Bioenergetics. 376 (1), 105-115 (1975).
  22. Butler, W. L. Energy Distribution in the Photochemical Apparatus of Photosynthesis. Ann Rev Plant Biol. 29, 345-378 (1978).
  23. Björkman, O., Demmig, B. Photon yield of O2 and chlorophyll fluorescence characteristics at 77 K among vascular plants of diverse origins. Planta. 170 (4), 489-504 (1987).
  24. Genty, B., Briantais, J. M., Baker, N. R. The relationship between the quantum yield of photosynthetic electron transport and quenching of chlorophyll fluorescence. Biochim Biophys Acta BBA General Subjects. 990 (1), 87-92 (1989).
  25. Maxwell, K., Johnson, G. N. Chlorophyll fluorescence-a practical guide. J Exp Botany. 51 (345), 659-668 (2000).
  26. Baker, N. R. Chlorophyll Fluorescence: A Probe of Photosynthesis In Vivo. Ann Rev Plant Biol. 59 (Volume 59, 2008), 89-113 (2008).
  27. Murchie, E. H., Lawson, T. Chlorophyll fluorescence analysis: a guide to good practice and understanding some new applications. J Exp Botany. 64 (13), 3983-3998 (2013).
  28. Keller, B., et al. Maximum fluorescence and electron transport kinetics determined by light-induced fluorescence transients (LIFT) for photosynthesis phenotyping. Photosynth Res. 140 (2), 221-233 (2019).
  29. Ananyev, G., et al. Remote sensing of heterogeneity in photosynthetic efficiency, electron transport and dissipation of excess light in Populus deltoides stands under ambient and elevated CO2 concentrations, and in a tropical forest canopy, using a new laser-induced fluorescence transient device. Global Change Biol. 11 (8), 1195-1206 (2005).
  30. Pieruschka, R., Klimov, D., Kolber, Z. S., Berry, J. A. Monitoring of cold and light stress impact on photosynthesis by using the laser induced fluorescence transient (LIFT) approach. Funct Plant Biol. 37 (5), 395-402 (2010).
  31. Pieruschka, R., et al. Daily and seasonal dynamics of remotely sensed photosynthetic efficiency in tree canopies. Tree Physiol. 34 (7), 674-685 (2014).
  32. Keller, B., et al. Toward predicting photosynthetic efficiency and biomass gain in crop genotypes over a field season. Plant Physiol. 188 (1), 301-317 (2022).
  33. Zendonadi dos Santos, N., et al. High-throughput field phenotyping reveals genetic variation in photosynthetic traits in durum wheat under drought. Plant Cell Environ. 44 (9), 2858-2878 (2021).
  34. Barrett, T., et al. data.table: Extension of `data.frame`. , https://cran.r-project.org/web/packages/data.table/index.html (2025).
  35. Roth, L., et al. The FIP 1.0 Data Set: Highly resolved annotated image time series of 4,000 wheat plots grown in 6 years. GigaScience. 14, giaf051(2025).
  36. Leroy, V., Cabon, Y., Revaud, J. Grounding Image Matching in 3D with MASt3R. Comp Vision - ECCV 2024. , 71-91 (2025).
  37. Knopf, O., et al. Field phenotyping of ten wheat cultivars under elevated CO2 seasonal differences in chlorophyll fluorescence, plant height and vegetation indices. Front Plant Sci. 14, 1304751(2024).
  38. Piepho, H. P., et al. One, two, three: Portable sample size in agricultural research. J Agri Sci. 160 (6), 459-482 (2022).
  39. Wu, A., Hammer, G. L., Doherty, A., von Caemmerer, S., Farquhar, G. D. Quantifying impacts of enhancing photosynthesis on crop yield. Nat Plants. 5 (4), 380-388 (2019).
  40. Duncan, W. G. Leaf Angles, Leaf Area, and Canopy Photosynthesis. Crop Sci. 11 (4), (1971).
  41. Stewart, D. W., et al. Canopy Structure, Light Interception, and Photosynthesis in Maize. Agronomy J. 95 (6), 1465-1474 (2003).
  42. Song, Q., Zhang, G., Zhu, X. G. Optimal crop canopy architecture to maximise canopy photosynthetic CO2uptake under elevated CO2 a theoretical study using a mechanistic model of canopy photosynthesis. Funct Plant Biol. 40 (2), 108-124 (2013).
  43. Ort, D. R., et al. Redesigning photosynthesis to sustainably meet global food and bioenergy demand. Proc Natl Acad Sci. 112 (28), 8529-8536 (2015).
  44. Ainsworth, E. A., Rogers, A., Nelson, R., Long, S. P. Testing the "source-sink" hypothesis of down-regulation of photosynthesis in elevated [CO2] in the field with single gene substitutions in Glycine max. Agri Forest Meteorol. 122 (1), 85-94 (2004).
  45. Ainsworth, E. A., Long, S. P. 30 years of free-air carbon dioxide enrichment (FACE): What have we learned about future crop productivity and its potential for adaptation. Global Change Biol. 27 (1), 27-49 (2021).
  46. Kaschuk, G., Hungria, M., Leffelaar, P. A., Giller, K. E., Kuyper, T. W. Differences in photosynthetic behaviour and leaf senescence of soybean (Glycine max [L.] Merrill) dependent on N2 fixation or nitrate supply. Plant Biol. 12 (1), 60-69 (2010).
  47. Keller, B., et al. Genotype Specific Photosynthesis x Environment Interactions Captured by Automated Fluorescence Canopy Scans Over Two Fluctuating Growing Seasons. Front Plant Sci. 10, 1482(2019).

Ristampe e permessi

Tag

Robot da campofluorescenza della clorofillaefficienza quanticafotosistema IIsensore LIFTfenotipizzazione delle coltureriflettanza spettralenavigazione GNSSmiglioramento genetico della soia
Screening ad alta produttività, in campo, dell'efficienza fotosintetica nelle piante coltivate tramite un robot autonomo
Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.