本論文は、光システムIIの量子効率、スペクトル反射率、植物構造の自律的フィールド測定のための非破壊的かつ高スループットのアプローチを記述し、農学および育種のフィールド試験における大規模な樹冠光合成表現型解析を可能にします。
この記事について
サマリー
要約
光合成は植物のバイオマス生産だけでなく、窒素(N)固定などの共生プロセスにもエネルギーを提供します。光の遮断や収穫指数の向上による主要作物の生産性のさらなる遺伝的向上の可能性はほぼ尽きていますが、自然発生または誘導される光合成形質の遺伝的変異は、さらなる収量向上の大きな可能性を依然として提供しています。しかし、光合成は変動するフィールド条件下で非常に動的であるため、高い空間的・時間的解像度のデータがなければ光合成性能のターゲットセリプションを行うことは困難です。このギャップを埋めるために、光誘導蛍光過渡現象(LIFT)装置を自律フィールドロボットに搭載し、光システムIIの量子効率(Fq'/Fm')を測定しました。これは光合成性能と良好な相関があることが示されています。LIFT法は、サブサチュレートフラッシュを高速繰り返し速度で使用し、最大1mの距離から1ミリ秒未満で測定を可能にします。ロボットは0.5 m s-1の速度で動き、全球航法衛星システム(GNSS)座標に基づいてフィールド全体を自律的に航行します。スペクトル測定や立体的な赤・緑・青(RGB)カメラは、葉の角度やターゲット葉の光強度など、三次元(3D)植物構造に関連する形質についての追加情報を提供します。その結果得られる光合成効率の時空間分解能マップは、農学フィールドトライアルや育種苗圃における植物の成長性能に関する詳細な情報を提供します。
概要
光合成は、植物にバイオマスの生産や自身の代謝維持のためのエネルギー基盤を提供するだけでなく、豆科植物における窒素(N)固定や他の共生過程2にも役立ちます。いかなる作物の収量ポテンシャルも、樹冠が遮断する光合成光子フラックス率(PPFR)の割合(εi)、実際に光合成に利用されバイオマスに変換される放射線の割合(εc)、および収穫物に分配されるバイオマスエネルギーの割合(εp)3に依存します。収穫指数(HI)を収穫物のバイオマスを茎と根の総バイオマスで割ったものとして定義する場合、εpは収穫指数(HI)と等しく設定できます。過去の育種努力は主にiとc ε ε増加に焦点を当てており、非常に成功を収めてきました。3: 例えば、現代の穀物や穀物の遺伝子型は90%のε i、60%のHIに達することができます3,4 ε iとp3 εさらなる増加の見込みはほとんどありません。5。対照的に、C3およびC4作物で観察されるεcの値は、それぞれ理論上の最大値である9.4%と12.3%の1/3を超えることはほとんどありません。これは、自然な遺伝的変異に基づく選択や、リブロース-1,5-ビスリン酸カルボキシラーゼ/オキシゲナーゼ(RuBisCO)などの光合成装置の要素の標的最適化によって、遺伝子工学による3,5,6,7のCをεさらに増加させる大きな可能性を示しています。しかし、i) 植物が常に変化する光や環境共変量に適応するため、圃場条件下で光合成効率は非常に動的であることが示されています。8,9) ii) 定常状態(例:人工照明のある室内成長室10)で測定される光合成形質は、野外で観察される非定常状態の光合成とは異なる遺伝パターンを示すことが示されています11.これにより、室内光合成表現型解析の有用性が制限され、実際には主に屋外で栽培される主食作物の高収量遺伝子型選択に限界が置かれます。その結果、多数の作物遺伝子型からの高空間的・時間的解像度データがなければ、光合成形質の標的選択を行うことは困難です。6,12。
これまでの非破壊的光合成測定の試みは、主に手持ち型のガス交換13,14,15やパルス振幅変調(PAM)型クロロフィル蛍光(ChlF)16,17測定装置に依存してきました。これらの方法には、測定を行うべき場所を手動でクリップするか、測定チャンバーに配置する必要があるという共通の欠点があります。さらに、現場でのガス交換測定は、測定チャンバー内の平衡を確保するために数分かかります。そのため測定は手間がかかり遅くなり、変動する条件下での光合成調節を研究するのに十分なスループットを得るのに大きな困難が生じ、特に繁殖プログラムにおける数百から数千の遺伝子型の意味のあるスクリーニングを行うことが困難です19。前述のPAM ChlF測定装置17と同様に、光誘起蛍光過渡期(LIFT)法20は、i) 光合成に利用される光エネルギーが光合成に利用され、非光化学的消滅(NPQ)と呼ばれる過程で熱として放散されるか、または ChlF および ii によって利用されるという事実を利用しています強い光パルスによる飽和によって光合成経路を遮断し、PS IIの下流で電子受容体が減少すると、それに応じてChlFが増加します。この誘導変数ChlFに基づき、周囲光条件下でのPS IIの光合成量子効率(Fq'/Fm')やPS IIの最大量子効率(Fv/Fm )を計算できます測定前に葉を暗闇に置いていた場合、
パラメータF v/Fmは1980年代初頭に北島とバトラー21、バトラー22、ビョークマンとデミグ23によって確立され、多様な種のストレスのない葉の最適値を≈ 0.83と報告しました。光合成性能の診断としてF q'/Fm'(ΦPS II)の開発はGentyら24によって始まり、彼らは非ストレス条件下でのCO2同化とほぼ線形関係を示しました。MaxwellとJohnson(25歳)、Baker(26歳)は後に、Fq'/Fm'、Fv/Fm、NPQを適用するための実践的な枠組みを示し、環境ストレスへの感受性と光抑制などの損傷症状を特定する上で有用であることを強調しました。MurchieとLawson27は、Fq'/Fm'が圃場表現型解析や作物改良に寄与する可能性(および限界)を強調しました。より最近では、Longら8は作物における光合成が変動光の下で行われ、PS II効率とNPQ調節の動的変化が炭素増加に強く影響することを強調し、時間的環境変動に関連して蛍光パラメータを解釈する必要性を強調しました。
28で既に述べたように、固定型LIFTセンサーで測定したFq'/Fm'はPAM(R2 = 0.89)およびCO2同化率の測定値(R 2 = 0.89)と良好に相関していました(R2 = 0.89)29,30,31。これに関連して、圃場シーズン中のFq'/Fm'の反応をモデル化することで、ε c、作物生産性12,32、ストレス耐性33の良好な予測が可能であることが示されています。しかし、PAM型ChlF測定装置は、光合成経路を抑制するために単一の閃光(飽和パルス)を使用し、最小および最大ChlF(測定パルス)を測定するために弱いフラッシュを使用します。測定パルスは合計約1秒かかるため、非常に高いスループットには適していません。これに対し、LIFTセンサーは300個の高強度フラッシュレット(40,000μmol光子m-2 s-1)を高速で生成し、光合成経路を750μs(=0.00075秒)以内に徐々に飽和させ、ChlF収率は離散的に20秒測定します。これにより測定装置とターゲットリーフ19との距離が広くなり、センサーを剛体的に搭載した自律運搬車を用いて高速かつ高スループットの測定が可能になります。これまでの研究(例:32)は、圃場条件下での処理量が制限されたり、温室実験に限定されたりすることが多かったです。これらの手法は光合成調節の候補遺伝子の特定に成功しましたが、フィールド条件下で起こる重要な調節過程を見落としていた可能性が高いです。したがって、自律型ロボットに搭載されたLIFTセンサーが、現場で多数の遺伝子型(1日に数千株の植物や区画で毎秒複数回の測定を行う)を測定するのに適したツールであると仮説を立てます。
プロトコル
1. PPFRセンサーとデータロガーの設定
- PPFRセンサーとモバイルバッテリーをデータロガーに接続してください。データロガーをノートパソコンに接続し、データロガーのデスクトップクライアントを使ってデータロガーを起動します。
- 実験フィールドの隣にカメラ三脚を設置し、PPFRセンサーを上に、データロガーとモバイルバッテリーを下の地面に置いてください。
注意:PPFRセンサーが直立していて、陰影や周囲の物体の影響を受けていないことを確認してください。PPFRセンサーは、正確なPPFR値を測定するためにロボットに直接取り付ける場合はジンバルが必要です。
2. ロボットおよびLIFTセンサーアセンブリの設置
- 測定用のウェイポイント座標(.geojson形式)をロボットに読み込みます。これらは、GNSSガイド付き播種に使われるものと同じものであっても構いません。
- LIFTセンサーアセンブリは、作物キャノピーから約60cmの高さでロボット前面に取り付けます(図1A参照)。
- ノートパソコン、車用バッテリー、パワーインバーターをロボットの上に置き、パワーインバーターを車のバッテリーとLIFTセンサーアセンブリに接続します。
注意:LIFTセンサーの励起ビームは目に危険です。励起ビームを直接見ることは絶対に避けなければなりません。 - GNSSアンテナキットをロボットの上に置き、ノートパソコンに接続してGNSSロガーデスクトップクライアントを起動します。
- LIFTセンサーをノートパソコンに接続し、以下の設定でLIFTデスクトップクライアントを起動します。
LIFTセンサー:励起パワー=40,000μmol光子m>-2 s-1;フラッシュレット長=1.6μs;1回の測定あたりの励起フラッシュレット数=300;緩和フラッシュレットの数 = 80;励起フラッシュレット間隔=2.5μs;緩和フラッシュレット間の時間:ji = 101.28 + 0.0215 × I μs、ここでjiは第i個フラッシュレットの区間長です。センサー利得=10または25;測定間隔 = 0秒。
分光計:スペクトル積分時間=100ms、スペクトル範囲は400〜800 nm。
RGBカメラ:露出=自動;シャッター=自動;ゲイン=自動;明るさ=0;フレームレート=20 S-1;トリガーモード=許容(各リフト測定時にカメラをトリガーします)。
注:LIFTセンサーが直接測定する量はChlF収率(各フラッシュレット20の励起ビームによる総ChlFの増加)。次に、 Fq' / Fm' を次のように計算します。
Fq'/Fm' = (Fm' - F') / Fm' 26
ここでF'は第1フラッシュレットのChlF収率、Fm'は第301回と第302回フラッシュレット28のChlF収率の平均として定義されます。1回のChlF測定(緩和相を含む)の総持続時間は約21msですが、重要な300フラッシュレット励起相の持続時間はわずか750μsです。
3. 揚力測定の実施
- リモコンを使ってロボットを実験フィールドの第一列の先頭まで手動で移動させます。
- LIFTセンサーと分光計の測定スクリプトを連続モードで起動してください。
- ロボット制御のウェブサイトを使って、自律ロボットのナビゲーションを0.5 mのS-1速度で開始します。
- 測定中は、LIFTセンサーアセンブリのデスクトップクライアントで時間経過によるChlF収縮を示すプロットを定期的に確認し、期待される形状かどうかを確認してください( 図1B参照)。信号が弱すぎる場合はセンサーの利得を調整してください。
- ロボットが畑の境界で旋回している間、作物のキャノピーの高さで励起ビームの下に白い基準パネルを定期的に持ってください。
4. データ統合と前処理
注:RコードはGitHub(https://github.com/beat2keller/lift_data_processing)で入手可能です。
- R data.tableパッケージ34を使って、すべての*_data.csvと*_spectral.csvからLIFTの過渡期およびスペクトルデータを読み込みます。
- GNSSと気象データ、.geojsonのプロットマップ、実験デザインを読み込みました。
- データセットを統合し、例えば12文以下に記載された統計解析を行います。
- 記録された各過渡現象から Fq'/Fm'を抽出します。
- .geojsonポリゴンを基に、空間的包含を用いて各GNSSポイントを対応するプロットに連結します。LIFTセンサーアセンブリとロボットのGNSSアンテナとの距離も忘れずに考慮してください。
- 連続した位置からロボットの方位を決定します。割り当てられたプロット識別子で実験設計とGNSSデータを統合します。
注:このステップでは、各空間位置をそれぞれの処理(例:遺伝子型)および複製(例:ブロック)情報に結びつけます。 - PPFRセンサーの高解像度データと最寄りの気象観測所の低解像度PPFRデータを組み合わせて、融合入射PPFR時系列(オプション)を作成します。
注:スイスの低解像度気象データは、35で説明されている agrometeo.ch(https://agrometeo.ch/de)ネットワークから得られます。 - スペクトル反射率データセットから白色基準値をフィルタリングし、タイムスタンプを使ってPPFRデータと統合して、28で説明した異なる入射光強度下のスペクトル反射率のルックアップテーブルを作成します。
- ルックアップテーブルに基づいて生のスペクトル反射率データを補正します。
- 補正したスペクトル反射率データから、MERIS陸生クロロフィル指数(MTCI)と正規化差植生指数(NDVI)を次の式で計算します
ここで Rλ は波長 λ nmでの平均反射を表します。 - ChlF、GNSS位置/実験設計、PPFR/スペクトル反射データを、タイムスタンプに基づく許容差ウィンドウ(例:1 ms)で最近接合を行い、統合します。
- Fq'/Fm'の外れ値を持つ行を特定し、データセットから削除します。
- モデルを適合させて、外れ値補正したChlFデータから遺伝子型特異的な光合成応答傾向(G: PPFR)を抽出します
Fq'/Fm' = β0 + β1 日付 + β2 (見方 x 時間) + 3 β3 (遺伝子型 × PPFR)+ β4 MTCI + β5 PPFR + ε
外れ値フィルタリングされたデータセットに。 - 推定された縁際傾向(Rのエムトレンド)を用いて、(遺伝子型×PPFR)予測変数項の傾き(β3)を推定し、放射照度に対する遺伝子型特異的応答の定量的測定を得る。モデルにMTCIを含めることで、前述のFq'/Fm'に影響を与えるクロロフィル含有量と樹冠の状態の違いが考慮されます。
注:ヘディングは、測定中の方向影響を考慮したロボットの走行方向(ステップ4.3.3のGNSSベアリングから導出)を示します。
結果
合計で、2025年6月12日から27日までの7測定日で、36の大豆(Glycine max ( L.) Merr.)育種系統から91,205件のChlF一時性測定が取得されました。74,927のデータポイントをプロットにジオリファレンスでき、58,916ポイントがデータ品質のフィルタリングを行い、スペクトルおよび気象データと一致させました。測定セットアップの概要と代表的なデータの概要は 図1に示されており、機器の動作画像(図1A)、12種類の大豆遺伝子型にわたるChlF誘導動力学(図 1B)、および対応するスペクトル反射曲線(図1C)が含まれています。
ジオリファレンスされたデータは、2つの実験フィールド間で Fq'/Fm'およびNDVIの両方に顕著な空間変動があることを示しました(図2)。これらの空間パターンは部分的にロボットの走行方向に関連しており(図3)、そのため後のモデル化ではターゲット葉への陰影の影響を減らすために考慮されました。
入射PPFRに対する Fq'/Fm'の反応を線形混合効果モデル化(図4A)により、分散のかなりの割合を説明しました(R
= 0.45、R
= 0.60)。抽出された遺伝子型特異的傾き(Response G: PPFR)は、繁殖系統間で明確な差異を示し、いくつかの系統はパネル平均に比べて応答曲線が急または平坦であることを示しました(図4C)。
最後に、RGBイメージングおよびマッチング・ステレオ3D再構築(MASt3R)アルゴリズム36(図 5)から導出された樹冠レベルの3D再構築は、LIFTに基づく生理学的測定と構造表現型を統合し、三次元の樹冠構造を捉える可能性を示しました。
図1:大豆遺伝子型における光誘起蛍光過渡現象(LIFT)およびスペクトル反射率測定の概要。(A) LIFT装置の動作例画像。入口にはクロロフィル蛍光(ChlF)を誘発するための青色励起ビームが示されています。(B) 2025年6月27日に測定された12の大豆遺伝子型(平均±SDは88から553の間、nは1つあたりn=2,035)で2025年6月27 日に測定された過渡性ChlF誘導曲線。(C) 2025年6月25日に測定された同じ遺伝子型の葉反射スペクトル(平均±SE、n総数=2,035)。色は個々の遺伝子型を示します。誤差バーは再現測定間の変動を表しています。この図の拡大版はこちらをクリックしてご覧ください。
図 2:光系IIの量子効率と正規化差植生指数(NDVI)値の空間分布。 光システムIIの(上位)量子効率(Fq'/Fm')および(下部)正規化差植生指数(NDVI)値の空間分布を、120区画と36の育種系統からなる2つの実験大豆畑(n = 58,916)で測定しました。ポイントは測定位置を表し、色は観測値を示し、形状はロボットの進路方向を示します:北西(NW)、北東(NE)、南西(SW)、南東(SE)方向です。黒い線でフィールドプロットの境界が示されています。黒い点はフィールドロボットのグローバルナビゲーション衛星システム(GNSS)座標を表しています。 この図の拡大版はこちらをクリックしてご覧ください。
図3:光光系IIの量子効率。ボックスプロットは、北東(NE)方向および南西(SW)方向の両方の方向(nNE = 14,339、nSE = 25,669、合計n)における、測定時間(9〜15時間)にわたる680 nmの入射放射量の対数を示しています= 40,008)。ロボットは朝は南西、午後は北東方向に向かいながら測定スポットを陰影にしていました。各ボックスは四分位範囲(IQR)を表し、水平線とひげはそれぞれ中央値と1.5× IQRの限界を示しています。この図の拡大版はこちらをクリックしてご覧ください。
図 4:光合成応答傾き。 (A) 線形混合効果モデリングから導出された、2つの大豆実験フィールドにおける推定光合成応答傾きの空間的変動(遺伝子型と光合成光子フラックス率(G: PPFR)の相互作用)。(B) 個々の繁殖系統の調整平均およびモデル推定の光合成応答傾きを、興味のある遺伝子型を色で強調表示。(C) 強調された遺伝子型における入射PPFRと光系IIの量子効率(Fq'/Fm')との関係、フィッティングされた平方根回帰曲線。 この図の拡大版はこちらをクリックしてご覧ください。
ディスカッション
手法のスループット
LIFT法は、従来のガス交換装置やPAM型ChlF測定装置よりもセンサーとターゲットリーフ間の測定距離を大幅に延長可能にします。18,19により、現場および屋内環境の両方で自動で高スループット測定が可能になりました。12,32,37.これにより、樹冠との物理的な接触が不要になります。この手法のスループットはロボットの運転速度に応じて増加します。時間経過によるChlF収率の正確な測定を確保するために、1回のF q'/Fm'測定時の移動距離は、照射面積の直径(LIFTセンサーでは20 mm)に比べて無視できるほど小さい必要があります。励起中にロボットが動くと、照射スポットもずれ、フラッシュレットあたりのChlF収縮が減少し、最終的にはF m'やFq'/Fm'の誤った推定値が過剰な速度で発生します。ロボットの速度が0.5 m s-1の場合、最後の励起フラッシュレットで照らされた面積のうち、最初の励起フラッシュレットで照らされていない面積は約2.4%に過ぎず、ロボットの運動によるF m'上の系統的測定誤差は数値的に無視できるものとなります(詳細な計算はGitHub, https://github.com/beat2keller/lift_data_processing 参照)。速度0.5 m s-1で、40×36 mのフィールドで1時間あたり300プロット(1.5×2 m)を測定し、1日あたり数千のプロットに相当します。さらに、比較的軽量(200 kg)とコンパクトな寸法により、軽量車両による輸送が可能となり、環境全体での光合成効率を評価する多施設試験が可能となります。
葉と樹冠の光合成の違い
この方法のLIFT測定は、樹冠の最上部で日光照射された層に空間的に限定されており、これは全体の光合成の約50%から70%を占めています。さらに、葉が太陽に対する角度に大きく依存し、葉が垂直になるほど葉面積指数が増加し、光の透過や樹冠の光合成が強化されます40,41。この手法で使用されたLIFTセンサーアセンブリでは、3Dキャノピーアーキテクチャが単葉または全キャノピー光合成に与える影響を、分光計28の反射率測定やステレオRGBカメラシステムの画像に基づく3Dキャノピージオメトリ42の明示的再構築を用いてモデル化できます。MASt3R36のような新しいアルゴリズムは、ディープトランスフォーマーを用いて密度が高く幾何学的に認識された特徴対応を学習し、広範囲または反復的な領域にわたるより堅牢で正確な3D再構成を可能にします。しかし、そのような追加補正がなくても、LIFTのような自動化された高スループット手法が、より生産的で強靭な作物品種を特定する有用性が示されています。11,43。
シンク制限
シンク制限、すなわち植物が生成できる光合成量(44,45)を使えないための光合成の積極的なダウンレギュレーションは、遺伝子型間の εc の違いを隠すことがあります。大気中のCO2濃度が上昇すると、吸収源制限による光合成のダウンレギュレーションが強化される可能性が高い45。我々の手法は、Fq'/Fm'も減少する場合にのみシンク制限を検出できます。実際にこれが起こりうるという兆候は46です。いずれにせよ、シンク制限の関連性は作物や発育段階に大きく依存するようで、穀物充填中の小麦は穀物マメ科植物よりもはるかに影響を受けます。なぜなら、後者の共生的なN固定が強い追加シンク1,44,46を構成しているからです。LIFT測定期間中に特定の作物でシンク制限が高いと考えられる場合、得られたFq'/Fm'値を同時に収集したガス交換データと比較し、Fq'/Fm'がε Cの良い代理指標であるという仮定の妥当性を検証するためのさらなる研究が必要です。
測定距離と樹冠高度の変動
この方法で使用されるLIFTセンサーアセンブリは、約60cmの距離から作物の樹冠32,47までの測定を行うよう設計されています。この手法で用いられるLIFTセンサーは、測定距離のわずかな差に対してかなり頑丈ですが、測定距離が大きいほどF q'/Fm'47の値がやや小さくなる傾向があります。このようなバイアスを防ぐために、12や/のF q'/Fm'の絶対値ではなく、測定距離の変化に対してより堅牢なPPFRに対するF q'/Fm'の応答を用いることを推奨します。また、データ解析時の樹冠高差を明示的に考慮するためにも有効です。
意図しない人工的な葉陰の陰影
光の強度が増加すると、一般的にFq'/F m'3,8,12が低下します。したがって、オペレーターや測定装置による不要な陰影は避けるべきです。3,8,12。ロボットによる陰影を最小限に抑えるために、走行方向を完全に32に設定する方法があります(ただし、非生産的な帰路による処理能力の低下を代償として)、または交互方向で測定を行い、陰影効果を統計的に補正する方法もあります。本研究では、Fq'/Fm'の統計モデルにおける「ヘディング×時間」という用語(ステップ4.3.10参照)により、ロボットによる目標葉の陰影が考慮されていることを保証します。
結論
まとめると、自律ロボットに搭載されたLIFTセンサーにより、現場条件下での光合成効率の迅速かつ自動化された測定が可能となり、従来の手法のスループット制限を克服します。樹冠構造や吸収池の制限などの要因は慎重な考慮が必要ですが、私たちの結果は、農学フィールドトライアルや植物育種苗圃における信頼性が高く拡張可能な光合成スクリーニングが実現可能であることを示しています。高解像度のステレオRGBカメラシステムとポイントセンサーとしてのLIFTのアンサンブルにより、さらに精度が向上します。AI駆動の3D葉の位置特定により、太陽向きが似て遺伝子型特有の葉の傾斜を考慮した葉のサンプリングが可能になります。研究的観点からは、異なるキャノピー構造を持つ遺伝子型の光合成を比較し、自由空気中のCO2濃縮(FACE)下で高スループットのLIFT測定を行うことで、フィールド条件や潜在的な沈み制限下でPS II下流のプロセスがF q'/Fm'にどのように影響するかをよりよく理解することが特に興味深いでしょう。実用的には、育苗圃から農家の畑までの光合成性能やストレス耐性のスクリーニングは、精密農業の応用に大きな可能性があります。
開示事項
本研究で使用されたロボットは、本論文の著者の多くが所属するETHチューリッヒ作物科学研究グループに起源を持つCaterra AGによって開発されました。しかし、著者らはロボットの開発に直接関与しておらず、追加の競合する利害関係もないと述べています。
謝辞
ロボットシャーシ、関連技術サポート、そして測定用変換の支援を提供してくださったCaterra AGに感謝いたします。スイス連邦工科大学チューリッヒ校の作物科学研究グループのニコラ・ストルニ氏に、ロボット上のGNSS位置記録システムの設置を支援していただき感謝申し上げます。特に、連邦農業局(FOAG)が資金提供したPhenoSoyプロジェクトの試験において、DSP Delley Seedsのクリストフ・バレンドレクト氏とAgroscopeのクロード・アラン・ベトリック氏に感謝いたします。この方法は、ETH世界食糧システムセンターがバイエルAGおよびETHチューリッヒキャリアシード賞の寄付を受けて資金提供した「Improving peas for crop rotation(ECOPRot)」プロジェクト内で開発されました。大規模言語モデルは部分的にコーディングや表現の補助として使用されました。すべての成果は著者によって確認・検証・最終決定されました。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| カメラ三脚 | - | - | PPFRセンサーを水平に取り付けられるタイプなら何でも大丈夫です。 |
| 自動車用バッテリー(12V / 80 Ah) | メルセデス・ベンツ・グループAG(ドイツ・シュトゥットガルト) | A 001 982 81 08 | - |
| データロガー | HOBO データロガーズ、ボーン、アメリカ合衆国 | HOBO U30ステーション、https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/ | - |
| Data Logger Desktop Client | オンセット・コンピューター・コーポレーション、マサチューセッツ州、アメリカ合衆国 | HOBOware バージョン 3.7.28、https://www.onsetcomp.com/support/help-center/software/hoboware | - |
| GNSSアンテナキット | ArduSimple、アンドラ・ラ・ベラ、アンドラ | AS-STARTKIT-LR-L1L2-EUNH-00 | - |
| GNSSロガーデスクトップクライアント | u-blox AG、スイス・タルウィル | u-center GNSS、評価ソフトウェアバージョン25.03、https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf | - |
| ノートパソコン | - | - | GNSSおよびデータロガーデスクトップクライアントに対応したWindows(Microsoft Corporation、米国レドモンド)バージョンを搭載したノートパソコンなら、どれでも問題ありません。 |
| LIFTセンサーアセンブリデスクトップクライアント | ソリエンセ社、ニューヨーク、アメリカ合衆国 | バージョン.2016.04 | - |
| LIFTセンサーアセンブリ (240V電源アダプター付き) | ソリエンセ社、ニューヨーク、アメリカ合衆国 | リフトレム | 実際のLIFTセンサーに加え、LIFTセンサーアセンブリには、FLIR Integrated Imaging Solutions Inc.(カナダ・ブリティッシュコロンビア)[現Teledyne FLIR LLC、ウィルソンビル、米国]から供給された2台のBlackfly S BFS-U3-50S5Cカメラと、Ocean Insight提供の0.46 nm解像度の400〜800 nm分光計からなるRGBステレオカメラシステムが組み込まれています。 [ナウ・オーシャン・オプティクス](アメリカ合衆国オーランド) ロボットは測定と漸近を行います。170回以上;210回以上;90cm(長さ・時間、幅・高)、体重・漸近;170kg。LIFTセンサーアセンブリは、23回以上;34時間以上;59cm(ロボットに搭載された長さ・時間・幅・高さ)。 |
| パワーインバータ (12 V 直流から240 V 50 Hz交流) | グリーンセルCSGs.A.、クラクフ、ポーランド | INV08 | - |
| パワーバンク | - | - | USBのモバイルバッテリーなら何でも大丈夫です。 |
| PPFRセンサー | HOBO / LI-COR、アメリカ・リンカーン | S-リア-M003 | - |
| ロボットコントロールのウェブサイト | カテラAG、オプフィコン、スイス | - | リンクはロボットの製造元が各顧客に対して個別に提供します。 |
| ロボット試作車体 (リモコンおよび 240V電源充電器付き) | カテラAG、オプフィコン、スイス | Firefly(プロトタイプ、市場未発売)、https://caterra.org/en/technologie/ | 適切なペイロード容量、履帯幅、最低地上高を持つ他のフィールドロボットならいずれでも可能です。 |
| 白色の参照パネル | - | - | 白やグレーのリファレンスなら何でも大丈夫です。 |
参考文献
- 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).
- 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).
- Zhu, X. G., Long, S. P., Ort, D. R. Improving Photosynthetic Efficiency for Greater Yield. Ann Rev Plant Biol. 61 (2010), 235-261 (2010).
- 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).
- 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).
- 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).
- 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).
- 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).
- Zelitch, I. The Close Relationship Between Net Photosynthesis and Crop Yield. BioScience. 32 (10), 796-802 (1982).
- 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).
- Taylor, S. H. Phenotyping photosynthesis: yes we can. J Exp Botany. 75 (3), 659-662 (2024).
- 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).
- 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).
- 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).
- 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).
- 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).
- Schreiber, U. Detection of rapid induction kinetics with a new type of high-frequency modulated chlorophyll fluorometer. Photosynth Res. 9 (1), 261-272 (1986).
- Kalaji, H. M., et al. Frequently asked questions about in vivo chlorophyll fluorescence: practical issues. Photosynth Res. 122 (2), 121-158 (2014).
- Murchie, E. H., et al. Measuring the dynamic photosynthome. Ann Botany. 122 (2), 207-220 (2018).
- 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).
- 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).
- Butler, W. L. Energy Distribution in the Photochemical Apparatus of Photosynthesis. Ann Rev Plant Biol. 29, 345-378 (1978).
- 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).
- 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).
- Maxwell, K., Johnson, G. N. Chlorophyll fluorescence-a practical guide. J Exp Botany. 51 (345), 659-668 (2000).
- Baker, N. R. Chlorophyll Fluorescence: A Probe of Photosynthesis In Vivo. Ann Rev Plant Biol. 59 (Volume 59, 2008), 89-113 (2008).
- 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).
- 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).
- 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).
- 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).
- Pieruschka, R., et al. Daily and seasonal dynamics of remotely sensed photosynthetic efficiency in tree canopies. Tree Physiol. 34 (7), 674-685 (2014).
- 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).
- 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).
- Barrett, T., et al. data.table: Extension of `data.frame`. , https://cran.r-project.org/web/packages/data.table/index.html (2025).
- 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).
- Leroy, V., Cabon, Y., Revaud, J. Grounding Image Matching in 3D with MASt3R. Comp Vision - ECCV 2024. , 71-91 (2025).
- 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).
- Piepho, H. P., et al. One, two, three: Portable sample size in agricultural research. J Agri Sci. 160 (6), 459-482 (2022).
- 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).
- Duncan, W. G. Leaf Angles, Leaf Area, and Canopy Photosynthesis. Crop Sci. 11 (4), (1971).
- Stewart, D. W., et al. Canopy Structure, Light Interception, and Photosynthesis in Maize. Agronomy J. 95 (6), 1465-1474 (2003).
- 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).
- Ort, D. R., et al. Redesigning photosynthesis to sustainably meet global food and bioenergy demand. Proc Natl Acad Sci. 112 (28), 8529-8536 (2015).
- 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).
- 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).
- 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).
- 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).
再版と許可
