이 원고는 광계 II 양자 효율, 스펙트럼 반사율, 식물 구조의 자율 현장 측정을 위한 비파괴적이고 고처리량의 접근법을 설명하여, 농업학 및 육종 현장 시험에서 대규모 캐노피 광합성 표현형 분석을 가능하게 합니다.
이 논문에서
요약
초록
광합성은 식물 바이오매스 생산뿐만 아니라 질소(N) 고정과 같은 공생 과정에도 에너지를 제공합니다. 빛 차단과 수확 지수 개선으로 주요 작물의 생산성 추가 유전적 향상 가능성은 대부분 소진되었지만, 자연적으로 발생하거나 유도된 광합성 형질의 유전적 변이는 여전히 수확량 개선에 상당한 잠재력을 제공합니다. 그러나 광합성은 변동하는 현장 조건에서 매우 동적이기 때문에, 높은 공간적·시간적 해상도 데이터가 없으면 광합성 성능을 표적으로 선택하기가 어렵습니다. 이 격차를 메우기 위해 우리는 자율 필드 로봇에 빛 유도 형광 과도(LIFT) 장치를 설치하여 광계 II의 양자 효율(Fq'/Fm')을 측정했으며, 이는 전체 광합성 성능과 좋은 상관관계를 보였습니다. LIFT 방법은 빠른 반복 속도의 아포화 플래시를 사용하여 최대 형광을 유도하여, 최대 1m 거리에서 1ms 미만의 측정을 가능하게 합니다. 로봇은 0.5m s-1 속도로 이동하며, 전 지구 항법 위성 시스템(GNSS) 좌표를 기반으로 필드 전체를 자율적으로 항법합니다. 스펙트럼 측정과 입체 빨강, 초록, 청색(RGB) 카메라는 잎 각도와 목표 잎의 빛 세기 등 3차원(3D) 식물 구조 관련 특성에 대한 추가 정보를 제공합니다. 이로 인해 생성된 광합성 효율의 고시공간 해상도 지도는 농학 현장 시험이나 육종 묘목장에서 식물의 성장 성과에 대한 상세한 정보를 제공합니다.
서론
광합성은 식물에게 바이오매스 생산과 자신의 대사 유지 에너지를 제공할 뿐만 아니라, 콩과 식물의 질소(N) 고정 및 기타 공생 과정2에도 기여합니다. 모든 작물의 수확 잠재력은 캐노피가 가로채는 광합성 광자 플럭스 속도(PPFR) 비율(εi), 실제로 광합성에 사용되어 생체량으로 전환되는 복사 비율(εc), 그리고 수확된 결과물로 분배되는 생체량 에너지 비율(εp)3에 달려 있습니다. 수확 지수(HI)를 수확된 제품의 생체량을 총 줄순과 뿌리생체량으로 나눈 값으로 정의할 경우, εp는 수확 지수(HI)와 같게 설정할 수 있습니다. 과거 육종 노력은 주로 ε i와 εc 증가에 집중했으며, 매우 성공적으로 달성했습니다3: 예를 들어, 현대 곡물과 콩과 유전자형은 εi가 90% 정도, HI가 60% 정도에 도달할 수 있습니다3,4 이로 인해 ε i와 εp3을 더 늘릴 가능성은 거의 없습니다. 5. 반면, C3 및 C4 작물에서 관찰된 εc 수치는 각각 이론적 최대 9.4%와 12.3%의 1/3을 거의 넘지 않습니다. 이는 자연 유전적 변이에 기반한 선택이나 유전공학 3,5,6,7과 같은 효소인 리불로스-1,5-인산염 카복실화효소/산소화효소(RuBisCO)와 같은 광합성 장치의 요소 최적화를 통해 εc를 증가시킬 수 있다면 작물 생산성을 더욱 높일 수 있는 큰 잠재력을 시사합니다. 그러나 i) 식물이 빛과 기타 환경 공변량에 지속적으로 적응하여 현장 조건에서 광합성 효율이 매우 역동적임이 밝혀졌다. ii) 정상 상태 조건(예: 인공 조명이 있는 실내 성장실에서 측정됨10)에서 측정된 광합성 특성은 현장에서 관찰된 비정상 상태 광합성과 다른 유전 패턴을 보인다11. 이로 인해 실내 광합성 표현형은 일반적으로 야외에서 재배되는 주식 작물의 고수확 유전자형 선택에 있어 유용성이 제한됩니다. 따라서 많은 작물 유전자형에서 높은 공간적·시간적 해상도 데이터가 확보되지 않는 한 광합성 형질에 대한 표적 선택을 수행하기 어렵습니다 6,12.
과거 현장에서 광합성의 비파괴 측정 시도는 주로 휴대용 가스 교환13,14,15 또는 펄스 진폭 변조(PAM) 타입 엽록소 형광(ChlF)16,17 측정 장치에 의존해 왔습니다. 이 방법들은 측정을 수행해야 할 부위를 수동으로 고정하거나 측정 챔버에 위치시켜야 한다는 공통된 단점이 있습니다18,19. 더불어, 현장에서의 가스 교환 측정은 측정실의 평형을 보장하기 위해 몇 분이 소요됩니다. 이로 인해 측정이 번거롭고 느려져, 일반적으로 변동하는 조건에서 광합성 조절을 연구하는 데 충분한 처리량을 확보하는 데 큰 어려움이 발생하며, 특히 육종 프로그램에서 수백 또는 수천 개의 유전자형을 의미 있게 스크리닝하는 데 큰 어려움이 있습니다19. 앞서 언급한 PAM ChlF 측정 장치17과 마찬가지로, 빛 유도 형광 과도(LIFT) 방법20은 i) 광계 II 내 엽록소(PS II)에 도달하는 빛 에너지가 광합성에 사용되거나, 비광화학 소광(NPQ)이라는 과정에서 열로 소산되거나, ChlF와 ii에 의해 사용될 수 있다는 사실을 활용합니다강한 빛 펄스의 포화로 인해 광합성 경로를 차단하여 PS II 하류의 전자 수용체가 감소하면 ChlF가 증가합니다. 이 유도 변수 ChlF를 바탕으로 주변 광 조건에서 PS II의 광합성 양자 효율(Fq'/Fm') 또는 PS II의 최대 양자 효율(Fv/Fm)을 계산할 수 있습니다측정 전에 잎을 어둠 속에 두었다면 말이다.
F v/fm 매개변수는 1980년대 초 Kitajima와 Butler21, Butler22, Björkman과 Demmig23에 의해 확립되었으며, 이들은 다양한 종에서 스트레스를 받지 않은 잎에서 최적 값 ≈ 0.83을 보고했습니다. 광합성 성능 진단으로서 Fq'/Fm' (ΦPS II)의 개발은 Genty 등에 의해 시작되었으며, 이들은 비스트레스 조건에서CO2 동화와 거의 선형적인 관계를 보였습니다. Maxwell과 Johnson(25), Baker(26)는 이후 Fq'/Fm', F v/Fm, NPQ를 적용하는 실용적 틀을 제시하며, 환경 스트레스에 대한 민감성과 광 억제와 같은 손상 증상을 식별하는 데 큰 가치를 강조했다. 머치와 로슨(27)은 Fq'/Fm'가 밭 표현형 분석과 작물 개선에 있어 잠재력(및 한계)을 강조했다. 최근에는 Long 등8이 작물에서 광합성이 변동하는 빛 하에서 이루어지며, PS II 효율과 NPQ 조절의 동적 변화가 탄소 증가에 큰 영향을 미친다고 강조하여, 시간적 환경 변동성과 관련하여 형광 매개변수를 해석할 필요성을 강조했습니다.
이미28에서 언급했듯이, 고정 LIFT 센서로 측정한 Fq'/Fm'는 PAM(R2 = 0.89) 및 CO2 동화율 측정값(R 2 = 0.89)과 잘 상관되어 있었다(R2 = 0.89)29,30,31. 이에 따라 밭 계절 동안 Fq'/Fm' 반응을 모델링하면 εc, 작물 생산성 12.32, 스트레스 내성33의 좋은 예측이 가능해졌습니다. 그러나 PAM형 ChlF 측정 장치는 광합성 경로를 억제하기 위해 단일 빛의 섬광(포화 펄스)과 약한 섬광을 사용하여 최소 및 최대 ChlF(측정 펄스)를 측정하는데, 이는 총 약 1초가 걸려 매우 높은 처리량에 적합하지 않습니다. 반면, LIFT 센서는 300개의 고강도 플래시릿(40,000 μmol 광자 m-2 s-1)을 빠르게 생성하여 광합성 경로가 750μs(= 0.00075초) 내에 점진적으로 포화되도록 하며, ChlF 수율은20 μs로 이산적으로 측정됩니다. 이로 인해 측정 장치와 목표 잎19 사이의 거리가 더 넓어지고, 센서가 강단적으로 장착된 자율 운반 차량을 이용해 빠르고 고처리량 측정이 가능하다. 이전 연구들(예: 32건)은 종종 현장 조건에서의 처리량이 제한되거나 온실 실험에 한정되었습니다. 이러한 접근법들은 광합성 조절 후보 유전자를 성공적으로 식별했지만, 현장 조건에서 발생하는 중요한 조절 과정을 놓쳤을 가능성이 높다. 따라서 우리는 자율 로봇에 장착된 LIFT 센서가 현장에서 수천 개의 식물이나 구획에 대해 초당 초당 여러 측정을 하는 많은 유전자형의 F q'/Fm'를 측정하는 적합한 도구가 될 것이라고 가설을 세웁니다.
프로토콜
1. PPFR 센서 및 데이터 로거 설정
- PPFR 센서와 보조 배터리를 데이터 로거에 연결하세요. 데이터 로거를 노트북에 연결하고 데이터 로거 데스크톱 클라이언트를 사용해 데이터 로거를 시작하세요.
- 실험 필드 옆에 PPFR 센서를 올려놓고 데이터 로거와 보조 배터리를 아래쪽에 설치하세요.
참고: PPFR 센서가 직립된 위치에 있고, 그늘이 드리거나 주변 물체에 영향을 받지 않는지 확인하세요. PPFR 센서는 정확한 PPFR 값을 측정하기 위해 로봇에 직접 장착된 짐벌이 필요합니다.
2. 로봇 및 LIFT 센서 조립 설치
- 측정 값을 위한 웨이포인트 좌표(.geojson 형식)를 로봇에 불러오세요. 이 샘플들은 GNSS를 이용한 시험 파종에 사용되는 것과 동일할 수 있습니다.
- LIFT 센서 어셈블리를 로봇 전면, 작물 캐노피에서 약 60cm 높이에 장착하세요(그림 1A 참조).
- 노트북 컴퓨터, 자동차 배터리, 전원 인버터를 로봇 위에 올려놓고, 전원 인버터를 자동차 배터리와 LIFT 센서 어셈블리에 연결하세요.
주의: LIFT 센서의 여기 빔은 눈에 위험합니다. 여기 빔을 직접 들여다보는 것은 엄격히 피해야 합니다. - GNSS 안테나 키트를 로봇 위에 위치시키고, 노트북에 연결한 후 GNSS 로거 데스크톱 클라이언트를 실행하세요.
- LIFT 센서를 노트북에 연결하고 다음 설정으로 LIFT 데스크톱 클라이언트를 실행하세요:
LIFT 센서: 여기 파워 = 40,000 μmol 광자 m>-2 s-1; 플래시렛 길이 = 1.6 μs; 단일 측정당 여기 플래시릿 수 = 300; 이완 플래시릿 수 = 80; 여기 플래시릿 사이 시간 = 2.5 μs; 이완 플래시릿 간격: ji = 101.28 + 0.0215 × I μs, 여기서 ji는 i번째 플래시릿의 구간 길이입니다; 센서 이득 = 10 또는 25; 측정 구간 = 0초.
분광기: 스펙트럼 적분 시간 = 100 ms, 스펙트럼 범위는 400에서 800 nm 사이입니다.
RGB 카메라: 노출 = 자동; 셔터 = 자동; 이득 = 자동; 밝기 = 0; 프레임 속도 = 20 S-1; 트리거 모드 = 허용 (각 LIFT 측정 시 카메라를 트리거함).
참고: LIFT 센서가 직접 측정하는 양은 ChlF 수율(각 플래시렛20에 대한 여기 빔으로 인한 총 ChlF 증가)입니다. 그다음 Fq'/Fm'을 다음과 같이 계산합니다.
Fq'/Fm' = (Fm' - F') / Fm' 26
여기서 F'는 첫번째 플래 시릿의 ChlF 수율로, Fm'은 301번째 와 302번째 플래시릿28의 ChlF 수율의 평균으로 정의됩니다. 한 ChlF 측정(이완 단계 포함)의 총 지속 시간은 약 21 ms이지만, 중요한 300 플래시릿 여기 단계의 지속 시간은 단 750 μs에 불과합니다.
3. 양력 측정 수행
- 원격 조종기를 사용해 로봇을 실험 필드의 첫 번째 줄의 플롯 시작 지점까지 수동으로 운전하세요.
- LIFT 센서와 분광기 측정 스크립트를 연속 모드로 활성화하세요.
- 로봇 제어 웹사이트를 이용해 자율 로봇 내비게이션을 0.5m s-1 속도로 시작하세요.
- 측정 중에는 LIFT 센서 어셈블리 데스크톱 클라이언트에서 시간에 따른 ChlF 수율을 나타내는 그래프를 주기적으로 확인하여 예상 형태를 갖추었는지 확인하세요( 그림 1B 참조). 신호가 너무 약하면 센서 게인을 조정하세요.
- 로봇이 밭 경계에서 회전할 때 농작물 캐노피 높이의 자극 빔 아래에 흰색 기준 패널을 주기적으로 잡아주세요.
4. 데이터 통합 및 전처리
참고: R 코드는 GitHub(https://github.com/beat2keller/lift_data_processing)에서 이용 가능합니다.
- R data.table 패키지34를 사용해 모든 *_data.csv와 *_spectral.csv에서 LIFT 과도 및 스펙트럼 데이터를 읽습니다.
- GNSS와 날씨 데이터, .geojson 플롯 지도, 실험 설계도 함께 읽으세요.
- 데이터셋을 결합하여12번 이하에 설명된 통계 분석을 수행합니다.
- 각 기록된 과도 현상에서 Fq'/Fm'을 추출합니다.
- .geojson 폴리곤을 기반으로 공간 포함을 사용하여 각 GNSS 포인트를 해당 플롯과 연결합니다. LIFT 센서 어셈블리와 로봇의 GNSS 안테나 사이의 거리도 잊지 마세요.
- 로봇의 방향을 연속된 위치에서 결정하세요. 할당된 플롯 식별자에 따라 실험 설계와 GNSS 데이터를 병합합니다.
참고: 이 단계는 각 공간 위치를 해당 처리(예: 유전자형) 및 복제(예: 블록) 정보와 연결합니다. - PPFR 센서의 고해상도 데이터와 가장 가까운 기상 관측소의 저해상도 PPFR 데이터를 결합하여 융합된 입사 PPFR 시계열(선택 사항)을 생성합니다.
참고: 스위스의 저해상도 기상 데이터는35에 설명된 agrometeo.ch(https://agrometeo.ch/de) 네트워크에서 도출할 수 있습니다. - 스펙트럼 반사도 데이터셋에서 흰색 기준 측정값을 필터링한 후, 타임스탬프를 사용해 PPFR 데이터와 병합하여28에서 설명한 대로 다양한 입사광 강도에 따른 스펙트럼 반사율 조회 테이블을 만든다.
- 조회 테이블을 기반으로 원시 스펙트럼 반사율 데이터를 보정하세요.
- 보정된 스펙트럼 반사율 데이터를 통해 MERIS 육상 엽록소 지수(MTCI)와 정규화 식생 차이 지수(NDVI)를 공식을 사용하여 계산합니다
여기서 Rλ 는 파장 λ nm에서의 평균 반사를 나타냅니다. - ChlF, GNSS 위치/실험 설계, PPFR/스펙트럼 반사도 데이터를 타임스탬프를 기반으로 정의된 허용 오차 창(예: 1 ms)으로 근접 이웃 결합을 수행하여 병합합니다.
- Fq'/Fm' 이상치가 있는 행을 데이터셋에서 식별하고 제거합니다.
- 이상치 보정 ChlF 데이터에서 모델을 적합하여 유전자형 특이적 광합성 반응 추세(G: PPFR)를 추출합니다
Fq'/Fm' = β0 + β1 날짜 + β2 (헤딩 x 시) + β3 (유전자형 × PPFR) + β4 MTCI + β5 PPFR + ε
이상치 필터링 데이터셋으로 전환합니다. - 추정된 한계 추세(R의 동향)를 사용하여 (유전자형 × PPFR) 예측 항의 기울기(β3)를 추정하여 유전자형 특이적 방사도에 대한 정량적 측정값을 얻습니다. 모델에 MTCI를 포함하면 엽록소 함량과 캐노피 상태의 차이가 앞서 설명된 F q'/Fm'에 영향을 미친다12.
참고: 헤딩은 측정 시 잠재적 방향 효과를 고려하기 위해 로봇의 주행 방향(4.3.3.3단계의 GNSS 베어링에서 도출됨)을 의미합니다.
결과
총 2025년 6월 12일부터 27일까지 7일간 36개의 대두(Glycine max ( L.) Merr.) 번식주에 대해 91,205건의 ChlF 일시적 측정이 이루어졌습니다. 74,927개의 데이터 포인트를 그래프에 지리참조할 수 있었고, 58,916개는 데이터 품질을 필터링하여 스펙트럼 및 기상 데이터와 성공적으로 일치시켰습니다. 측정 설정과 대표성 데이터에 대한 개요는 그림 1에 나와 있으며, 작동 중인 기기 이미지(그림 1A), 12개 대두 유전자형에 걸친 ChlF 유도 동역학(그림 1B), 그리고 해당 스펙트럼 반사율 곡선(그림 1C)이 포함되어 있습니다.
지리참조 데이터는 두 실험 필드 간 Fq'/Fm'와 NDVI에서 뚜렷한 공간적 변동이 있음을 보여주었습니다(그림 2). 이러한 공간 패턴은 로봇의 주행 방향(그림 3)과 부분적으로 연관되어 있었으며, 따라서 이후 모델링에서 표적 잎에 미치는 음영 효과를 줄이기 위해 이를 고려했습니다.
F q'/Fm'의 반응을 선형 혼합 효과 모델링으로 측정한 PPFR(그림 4A)은 분산의 상당 부분을 설명했다(R
= 0.45, R
= 0.60). 추출한 유전자형 특이적 경사면(반응 G: PPFR)은 번식 계통 간 뚜렷한 차이를 보였으며(그림 4B), 몇몇 계통은 패널 평균에 비해 반응 곡선이 더 가파르거나 평탄한 것을 보였다(그림 4C).
마지막으로, RGB 영상과 매칭 및 스테레오 3D 재구성(MASt3R) 알고리즘36(그림 5)에서 파생된 캐노피 레벨 3D 재구성은 LIFT 기반 생리학적 측정과 구조적 표현형 분석을 통합하여 3차원 캐노피 구조를 포착할 수 있는 잠재력을 입증했습니다.
그림 1: 대두 유전자형에 대한 빛 유도 형광 과도(LIFT) 및 스펙트럼 반사율 측정 개요. (A) 작동 중인 LIFT 장치의 예시 이미지. 흡입구는 엽록소 형광(ChlF)을 유도하는 청색 여기 빔을 보여줍니다. (B) 2025년 6월 27일 측정된 12개 대두 유전자형에 대한 일시적 ChlF 유도 곡선(평균 ± SD, n은 유전자형당 88개에서 553개 사이, 총 n = 2,035). (C) 2025년 6월 25일에 측정된 동일한 유전자형에 대한 해당 잎 반사 스펙트럼(평균 ± SE, n 총 = 2,035). 색상은 개별 유전자형을 나타내며; 오차 바는 반복 측정값 간의 변동을 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 2: 광계 II의 양자 효율과 정규화 식생 지수(NDVI) 값의 공간적 분포. 광계 II의 (상단) 양자 효율(Fq'/Fm')과 (하단) 정규화 식생 지수(NDVI) 값의 공간적 분포가 두 개의 실험 대두 밭(총 120개 구획과 36개 번식계)에서 측정되었습니다(n = 58,916). 점들은 측정 위치를 나타내며, 색깔은 관측값을 나타내고 도형은 로봇의 방향을 나타냅니다: 북서쪽(NW), 북동쪽(NE), 남서쪽(SW), 남동쪽(SE) 방향입니다. 검은 선이 필드 플롯 경계를 구분합니다. 검은 점은 현장 로봇의 글로벌 내비게이션 위성 시스템(GNSS) 좌표를 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 3: 광계 II의 양자 효율. 박스플롯은 북동(NE) 방향과 남서(SW) 방향 모두에서 광계 II의 양자 효율(Fq'/Fm')과 680 nm에서 입사 복사 로그를 보여줍니다(nNE = 14,339, nSE 방향 = 25,669, 총 n = 40,008). 로봇은 아침에는 남서쪽, 오후에는 동쪽으로 이동하면서 측정 지점에 그늘을 가리고 있었습니다. 각 박스는 인터쿼틀리 범위(IQR)를 나타내며, 수평선과 수염은 각각 중앙값과 1.5 × IQR 한계를 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 4: 광합성 반응 기울기. (A) 선형 혼합 효과 모델링을 기반으로 한 두 대두 실험 분야 간의 추정 광합성 반응 기울기(유전자형과 광합성 광자 플럭스 속도 간 상호작용(G: PPFR)의 공간적 변동. (B) 개별 번식 계통에 대한 조정된 평균 및 모델 추정 광합성 반응 기울기, 관심 있는 유전자형은 색상으로 강조됨. (C) 강조된 유전자형에 대한 입시 PPFR과 광계 II 양자 효율 (Fq'/Fm') 간의 관계, 적합한 제곱근 회귀 곡선. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 5: LIFT에 의한 캐노피 구조 측정. 콩 품종인 갈렉의 캐노피 건축물이 보여집니다. (A) 빛 유도 형광 과도(LIFT) 장치의 빨강, 초록, 파랑(RGB) 카메라가 광합성 스크리닝 중 이미지를 획득했습니다. (B, C) 매칭 및 스테레오 3D 재구성(MASt3R) 알고리즘36 이 3D 캐노피 구조를 재구성하는 데 사용되었습니다. 피라미드는 추정된 카메라 위치를 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
토론
방법의 처리량
LIFT 방법은 이전의 가스 교환 및 PAM형 ChlF측정 장치보다 센서와 목표물 잎 사이의 측정 거리를 훨씬 넓게 허용하며, 이는 현장과 실내 환경 모두에서 자동화된 고처리량 측정을 가능하게 합니다12,32,37. 이로 인해 캐노피와의 물리적 접촉이 필요 없게 됩니다. 이 방법의 처리량은 로봇의 주행 속도에 따라 증가합니다. 시간에 따른 ChlF 수율의 정확한 측정을 위해서는 한 F q'/Fm' 측정 중 이동 거리가 조명 면적 직경(LIFT 센서의 경우 20 mm)에 비해 무시할 만한 거리로 유지되어야 합니다. 로봇이 여기 상태에서 움직이면 조명 점도 함께 이동하여 플래시릿당 ChlF 수율이 감소하고, 결국 과도한 속도에서 F m' 및 Fq'/Fm'의 잘못된 추정을 초래합니다. 로봇 속도 0.5 m s-1에서 마지막 여기 플래시릿이 밝힌 면적 중 약 2.4%만이 첫 번째 여기 플래시릿에 의해 이미 조명되지 않은 상태였으며, 이는 로봇 운동에 의한 Fm' 위의 체계적 측정 오차가 수치적으로 무시할 수 있음을 의미합니다(전체 계산은 GitHub, https://github.com/beat2keller/lift_data_processing 에서 확인할 수 있습니다). 0.5 m s-1 속도로, 우리는 40× 36m 필드에서 시간당 300개의 플롯(1.5 × 2 m)을 측정했으며, 이는 하루에 수천 개의 플롯에 해당합니다. 더불어, 측정 장비의 비교적 낮은 총 중량(200kg)과 컴팩트한 크기는 경량 차량으로 운송할 수 있게 하여, 환경 전반에 걸친 광합성 효율을 평가하는 다중 현장 시험을 용이하게합니다.
잎과 캐노피 광합성의 비교
이 방법에서의 LIFT 측정은 공간적으로 캐노피의 가장 윗층, 햇빛이 드는 층으로 제한되며, 이 층은 전체 광합성의 약 50%에서 70%를 차지합니다. 더불어, 각 잎이 흡수할 수 있는 빛의 양은 태양에 대한 각도에 크게 좌우되며, 수직 잎이 많을수록 잎 면적이 증가하여 빛 투과와 캐노피 광합성이 증가합니다40,41. 이 방법에 사용된 LIFT 센서 어셈블리를 사용하면, 3D 캐노피 구조가 단일 잎 또는 전체 캐노피 광합성에 미치는 영향을 분광기28의 반사율 측정 및/또는 스테레오 RGB 카메라 시스템의 이미지를 기반으로 한 3D 캐노피 기하학42의 명시적 재구성을 통해 모델링할 수 있습니다. MASt3R36과 같은 새로운 알고리즘은 딥 트랜스포머를 사용하여 밀도 높고 기하학적 인지 특징 대응을 학습하여, 넓거나 반복적인 영역에서 보다 견고하고 정확한 3D 재구성을 가능하게 합니다. 그러나 이러한 추가 보정이 없더라도, LIFT와 같은 자동화되고 고처리량 방법의 유용성이 입증되어 더 생산적이고 회복력 있는 작물 품종을 식별할 수 있음이 입증되었습니다11,43.
싱크 제한
싱크 제한, 즉 식물이 생성할 수 있는 광합성 양을 사용하지 못해 광합성이 적극적으로 하향 조절되는 현상은 유전자형 간 εc 차이를 가릴 수 있습니다. 싱크에 제한된 광합성 하향 조절은 대기 중CO2 농도가 증가할수록 더욱 심해질 가능성이 큽니다45. 우리 방법은 Fq'/Fm' 감소로 이어질 때만 싱크 한계를 감지할 수 있습니다; 실제로 이런 현상이 발생할 수 있다는 징후가있습니다. 어쨌든 싱크 제한의 관련성은 작물과 발달 단계에 크게 좌우되며, 곡물 채움 중 밀은 곡물 콩과류보다 훨씬 더 큰 영향을 받는데, 이는 콩과 식물의 공생 질소 고정이 강한 추가 싱크 1,44,46을 이루기 때문이다. LIFT 측정이 수행된 기간 동안 특정 작물에서 싱크 제한이 매우 중요할 것으로 예상된다면, 결과 Fq'/Fm' 값을 동시에 수집한 가스 교환 데이터와 비교하고 Fq'/Fm'이 εc의 좋은 대리 지표라는 가정의 타당성을 검증하는 추가 연구가 필요합니다.
측정 거리와 캐노피 높이의 변동성
이 방법에 사용되는 LIFT 센서 어셈블리는 약 60cm 거리에서 작물 캐노피32,47까지 측정을 수행하도록 설계되었습니다. 이 방법에 사용되는 LIFT 센서는 측정 거리의 미세한 차이에 대해 비교적 견고하지만, 측정 거리가 클수록 일반적으로 Fq'/Fm'47의 값이 다소 작아지는 것으로 보입니다. 이러한 편향을 방지하기 위해,12 및 /의 절대값 대신 F q'/Fm'의 PPFR 응답(측정 거리 변화에 더 강인함)을 사용할 것을 권장하며, 데이터 분석 중 캐노피 높이 차이를 명시적으로 고려할 것을 권장합니다.
의도치 않은 인공적인 잎사귀 음영
빛의 세기가 증가하면 일반적으로 Fq'/F m'3,8,12가 감소합니다. 따라서 조작자나 측정 장치에 의한 불필요한 음영 처리는 피해야 합니다 3,8,12. 로봇의 음영 저하를 최소화하기 위해 주행 방향을 완전히32로 설정할 수 있는데(비생산적인 복귀 운송으로 인해 처리량이 줄어들 수 있음), 또는 교차 방향으로 측정한 후 음영 효과를 통계적으로 보정할 수 있습니다. 본 연구에서는 Fq'/Fm' 통계 모델 내에서 '방× 시간(Heading Hour)이라는 용어를 사용해 로봇이 목표 잎의 음영을 고려하도록 보장합니다.
결론
요약하자면, 자율 로봇에 장착된 LIFT 센서는 현장 조건에서 광합성 효율을 빠르고 자동화된 측정으로 하여 이전 접근법의 처리량 한계를 극복합니다. 캐노피 구조와 싱크대 제한과 같은 요인은 신중한 고려가 필요하지만, 우리의 결과는 농업 현장 시험과 식물 육종 묘목장에서 신뢰할 수 있고 확장 가능한 광합성 스크리닝이 가능함을 보여줍니다. 고해상도 스테레오 RGB 카메라 시스템과 점 센서로서의 LIFT의 조합은 정밀도를 더욱 높일 수 있게 합니다: AI 기반 3D 낙엽 위치 파악을 통해 태양을 향한 방향과 유전자형 특정 잎 기울기를 고려한 잎을 샘플링할 수 있습니다. 연구 관점에서 보면, 다양한 캐노피 구조를 가진 유전자형의 광합성을 비교하고, 자유 공기CO2 농축(FACE) 하에서 고처리량 LIFT 측정을 수행하여 현장 조건과 잠재적 싱크 한계 하에서 PS II 하류 과정에 의해 F q'/Fm'가 어떻게 영향을 받는지 더 잘 이해하는 것이 특히 흥미로울 수 있습니다. 실용적으로, 번식 묘목장에서 농부의 밭까지 광합성 성능과 스트레스 내성을 스크리닝하여 정밀 농업에 적용하는 것은 큰 잠재력을 가지고 있습니다.
공개 사항
이 연구에 사용된 로봇은 ETH 취리히 작물 과학 연구 그룹에서 유래한 Caterra AG에서 개발했으며, 본 논문의 대부분 저자들이 이 그룹에 소속되어 있습니다. 하지만 저자들은 로봇 개발에 직접 관여하지 않았으며, 추가적인 경쟁 이해관계도 없다고 밝혔습니다.
감사의 글
로봇 섀시와 관련 기술 지원, 그리고 측정 변환 지원을 제공해 준 Caterra AG에 감사드립니다. 스위스 취리히 연방공과대학 작물 과학 연구팀의 니콜라 스토르니에게 GNSS 위치 기록 시스템 구축을 지원해 주신 분께 감사드립니다. 특히 연방농업청(FOAG)이 자금을 지원한 PhenoSoy 프로젝트 내 임상시험에 Agroscope/DSP 파트너십의 식물 재료를 제공해 주신 DSP Delley Seeds의 Christoph Barendregt와 Agroscope의 Claude-Alain Bétrix에게 특별히 감사드립니다. 이 방법은 ETH 세계식량시스템센터가 바이엘 AG의 기부와 ETH 취리히 경력 씨앗 상금으로 자금을 지원한 '작물 윤작용 완두콩 개선을 통한 지속가능성 및 질소 사용 효율성 향상'(ECOPRot) 프로젝트 내에서 개발되었습니다. 대규모 언어 모델은 부분적으로 코딩과 표현 작성을 돕는 데 사용되었습니다. 모든 결과물은 저자들에 의해 점검, 검증 및 최종 확정되었습니다.
재료
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| 카메라 삼각대 | - | - | PPFR 센서를 수평으로 장착할 수 있는 어떤 종류든 괜찮습니다. |
| 자동차 배터리 (12V / 80 Ah) | 메르세데스-벤츠 그룹 AG, 슈투트가르트, 독일 | A 001 982 81 08 | - |
| 데이터 로거 | HOBO 데이터 로거스, 본, 미국. | HOBO U30 스테이션, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/ | - |
| Data Logger Desktop Client | 온셋 컴퓨터 코퍼레이션, 매사추세츠, 미국 | HOBOware 버전 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware | - |
| GNSS 안테나 키트 | ArduSimple, 안도라 라 벨라, 안도라 | AS-STARTKIT-LR-L1L2-EUNH-00 | - |
| GNSS 로거 데스크톱 클라이언트 | u-blox AG, 스위스 탈빌 | u-center GNSS, [원문 그대로] 평가 소프트웨어 버전 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf | - |
| 노트북 컴퓨터 | - | - | GNSS 및 데이터 로거 데스크톱 클라이언트와 호환되는 윈도우(마이크로소프트 코퍼레이션, 레드먼드, 미국 ) 버전을 실행하는 노트북이라면 모두 가능합니다. |
| LIFT 센서 어셈블리 데스크탑 클라이언트 | 솔리엔세 주식회사, 뉴욕, 미국 | 버전.2016.04 | - |
| LIFT 센서 어셈블리 (240V 메인 어댑터 포함) | 솔리엔세 주식회사, 뉴욕, 미국 | 리프트-렘 | 실제 LIFT 센서 외에도, LIFT 센서 어셈블리에는 FLIR Integrated Imaging Solutions Inc.(브리티시컬럼비아, 캐나다)[현재 Teledyne FLIR LLC, Wilsonville, U.S.A.]에서 공급한 두 대의 Blackfly S BFS-U3-50S5C 카메라 두 대와 Ocean Insight에서 제공하는 0.46nm 해상도의 400에서 800 nm 분광기로 구성된 RGB 스테레오 카메라 시스템이 포함되어 있습니다. [지금 오션 옵틱스] (올랜도, 미국). <브르/> & nbsp; 로봇은 측정 및 점근을 수행합니다; 170 & 횟수; 210 & 횟수; 길이 및 시간, 너비 및 높이 90cm, 무게 및 가십; 170kg. LIFT 센서 어셈블리는 측정 및 근처; 23시간 이상; 34 & times; 59cm(길이 및 시간, 너비 및 높이, 로봇에 장착된 기준). |
| 전력 인버터 (12V DC to 240 V 50 Hz AC) | 그린 셀 CSG S.A., 크라쿠프, 폴란드 | INV08 | - |
| 파워뱅크 | - | - | USB 보조 배터리면 충분해요. |
| PPFR 센서 | HOBO / LI-COR, 미국 링컨 | S-리아-M003 | - |
| 로봇 제어 웹사이트 | 카테라 AG, 오프피콘, 스위스 | - | 링크는 각 고객에게 로봇 제조사가 개별적으로 제공합니다. |
| 로봇 프로토타입 섀시 (리모컨과 240V 메인 배터리 충전기 포함) | 카테라 AG, 오프피콘, 스위스 | 파이어플라이(프로토타입, 마케팅 미완료), https://caterra.org/en/technologie/ | 적절한 탑재 용량, 궤도 폭, 지상고를 가진 다른 현장 로봇도 사용할 수 있습니다. |
| 흰색 참조 패널 | - | - | 흰색이나 회색 참조면 충분해요. |
참고문헌
- 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).
재인쇄 및 허가
