온실면에 두 점박이 진드기 피해의 원격 탐사 평가
2017년 4월 28일
이 원고 효과적으로 인위적으로 두 점박이 응애의 인구 밀도를 변화 감염 초기 시즌면의 손상을 감지 다중 분광 광학 센서를 설명한다.
이 절차의 전반적인 목표는 활성 다중 스펙트럼 광학 센서를 사용하여 두 점박이 거미 진드기로 인한 목화 식물의 피해를 정량화하는 객관적인 방법을 확립하는 것입니다. 이 방법은 어떤 살충제가 목화의 거미 진드기를 가장 잘 방제할 수 있는지와 같은 농업 곤충학의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 기술의 가장 큰 장점은 연구자들에게 목화에 대한 거미 진드기 피해를 평가하기 위한 객관적인 지표를 제공하는 동시에 시간과 귀중한 인적 자원을 절약할 수 있다는 것입니다.
우리는 두 점박이 거미 진드기에 대한 효능을 위해 목화에 대한 다양한 살충제를 평가하기 위한 이 방법에 대한 이 아이디어를 처음 떠올렸습니다. 프로토콜을 시작하려면 유전자 변형되지 않았거나 BT 면화 식물이 아닌 온실의 플라스틱 트레이에서 4-5 개의 진정한 잎 단계로 성장하십시오. 다음으로, 핀토 콩의 거미 진드기 군체를 4-5 개의 어린 잎 단계 목화 식물로 옮깁니다.
가볍게 감염된 식물을 위해 세 덩어리의 거미 진드기를 옮깁니다. 핀토 콩 잎 끝 아래에 두 점박이 거미 진드기 또는 TSSM 덩어리가 들어 있는 팬을 놓습니다. TSSM 덩어리가 팬에 떨어지도록 핀토 콩 잎 끝을 가위로 자릅니다.
팬을 목화 식물 위로 거꾸로 뒤집고 TSSM 덩어리를 식물에 두드립니다. 그런 다음 TSSM의 세 덩어리를 목화 식물에 무작위로 퍼뜨립니다. 매체에 감염된 식물의 경우 TSSM 덩어리가 들어있는 핀토 콩 잎 끝 아래에 팬을 놓아 20 덩어리를 옮깁니다.
핀토 콩 잎 끝을 가위로 자르고 팬에 떨어뜨립니다. 팬을 목화 식물 위로 거꾸로 뒤집고 온실에서 자란 100 개의 목화 식물에 TSSM 덩어리를 두드립니다. 심하게 감염된 식물을 위해 40개의 질량을 옮깁니다.
그런 다음 팬에 40개의 질량을 모으십시오. 피해를 분석하기 전에 텍스트 프로토콜에 설명된 대로 목화 식물을 두 점박이 거미 진드기로 감염시킵니다. 광학 센서를 바닥에서 약 7피트 높이의 온실 프레임에 수평으로 장착합니다.
스캐너와 식물 캐노피 사이의 거리를 36인치로 설정합니다. 목수의 수평을 사용하여 센서가 수평으로 수평인지 확인하십시오. 테스트 식물을 스캔할 때 스캐너를 작물 캐노피에서 고정된 거리에 배치하고 배경이 균일해야 합니다.
다음으로 바퀴 달린 푸시 카트에 감염되지 않은 목화 식물 쟁반을 놓습니다. 센서 스위치를 활성화하고 트레이가 센서 헤드를 완전히 통과할 때까지 센서 아래의 카트를 천천히 밉니다. 트레이가 센서를 완전히 통과하면 스위치를 끄고 카트를 집어넣습니다.
그런 다음 모든 면화 트레이에 대해 총 3회 복제에 대해 스캔을 반복합니다. 스캔에서 정규화된 차이 식생 지수 또는 NDVI 값을 전송하고 포켓 PC에 저장합니다. 그런 다음 텍스트 형식으로 컴퓨터에 다운로드합니다. 이 그래프는 정규화된 차이 식생 지수 또는 NDVI 값을 사용하여 시간이 지남에 따라 건강이 저하된 TSSM 감염 식물과 대조적으로 식물 성장을 증가시킨 비감염 대조 식물 간의 식물 활력 차이를 보여줍니다.
치료의 평균 분리는 감염 등급이 대조군에서 유의하게 벗어나고 시간이 지남에 따라 더 벗어날 때까지 치료 범주와 대조군 간의 NVDI 감소율에 대한 명확한 차이를 나타내지 않았습니다. 이 절차를 시도하는 동안 대상 캐노피 위로 광학 센서의 일관된 높이를 유지하고 일관된 배경을 보장해야 한다는 점을 기억하는 것이 중요합니다. 개발 후, 이 기술은 농업 곤충학 분야의 연구자들이 목화에 대한 두 점박이 거미 진드기에 대한 살충제의 효과를 평가할 수 있는 길을 열었습니다.
목화의 잎진드기 방제를 위한 살충 효능을 평가하기 위해 다중 스펙트럼 능동 광학 센서를 사용하는 것은 치료 차이를 점수화하기 위한 주관적 손상 등급보다 더 효율적입니다.
개요
본 연구는 솜노랑응애에 의한 목화 식물 손상을 객관적으로 정량화하도록 설계된 다중 스펙트럼 광학 센서를 제시합니다. 이 방법은 농업 곤충학 연구의 효율성을 향상시키는 것을 목표로 합니다.
주요 연구 요소
과학 분야
- 농업 곤충학
- 식물 건강 평가
- 해충 관리
배경
- 솜노랑응애는 목화의 중요한 해충입니다.
- 현재 손상 평가 방법은 종종 주관적입니다.
- 객관적인 지표는 해충 방제 전략 평가를 개선할 수 있습니다.
- 다중 스펙트럼 센서는 식물 건강에 대한 비침습적 평가를 제공합니다.
연구 목적
- 목화에 대한 응애 손상을 정량화하는 방법을 개발합니다.
- 응애에 대한 다양한 살충제의 효과를 평가합니다.
- 연구자들에게 식물 건강을 평가하기 위한 신뢰할 수 있는 도구를 제공합니다.
사용된 방법
- 비 유전자 변형 목화 식물을 온실에서 재배합니다.
- 다양한 밀도의 응애로 식물에 감염시킵니다.
- 다중 스펙트럼 광학 센서를 사용하여 고정 높이에서 식물을 스캔합니다.
- 정규화된 차분 식물지수(NDVI) 값을 분석하여 식물 활력을 평가합니다.
주요 결과
- NDVI 값은 감염된 식물과 비 감염된 식물 사이의 식물 건강에 대한 유의미한 차이를 나타냅니다.
- 이 방법을 사용하면 살충제 효과를 보다 객관적으로 평가할 수 있습니다.
- 정확한 측정을 위해서는 일관된 센서 높이와 배경이 중요합니다.
- 이 기술은 전통적인 방법에 비해 효율적인 데이터 수집을 가능하게 합니다.
결론
- 다중 스펙트럼 광학 센서는 응애 손상을 평가하는 효과적인 도구입니다.
- 이 방법은 살충제 효과를 평가하는 능력을 향상시킵니다.
- 미래 연구는 이 기술을 기반으로 해충 관리 전략을 개선할 수 있습니다.
자주 묻는 질문
Executive Industry Relevance
Objective quantification of pest-induced plant damage using multispectral optical sensors enables more reliable assessment of crop health and treatment efficacy. This approach replaces subjective visual ratings, supporting data-driven decisions in agricultural R&D and accelerating the evaluation of new pest control agents. The method enhances predictive confidence at the intersection of plant health monitoring and agrochemical development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective measurement of plant stress responses to pest infestation and treatment.
- Supports functional validation of candidate insecticides by quantifying biological impact.
- Facilitates mechanistic de-risking by distinguishing treatment effects from background variability.
- Improves predictive confidence in early-stage agrochemical screening.
Screening & Assay Development
- Provides standardized, reproducible NDVI-based readouts for high-throughput screening of pest control agents.
- Reduces labor and subjectivity compared to manual damage scoring.
- Enables scalable evaluation of multiple treatment conditions across large plant cohorts.
- Supports platform reuse for diverse pest and crop combinations.
Translational & Preclinical Research
- Aligns remote sensing outputs with translational endpoints for crop protection studies.
- Enables continuity from discovery-phase screening to pre-commercial field validation.
- Supports risk-adjusted advancement of candidate treatments based on quantitative efficacy data.
- Provides mechanistic insight into plant-pest-agent interactions for translational research.
Pipeline & Workflow Integration
This remote sensing method integrates into the discovery-to-validation continuum for crop protection R&D, bridging early screening and translational assessment of treatment efficacy.
- Discovery Biology: Objectively quantifies plant response to pest challenge and treatment intervention.
- Screening: Delivers reproducible, quantitative NDVI outputs for comparing treatment groups.
- Analytics: Enables statistical analysis of plant health metrics across experimental conditions.
- Translational Research: Provides a scalable, field-relevant readout for pre-commercial validation of agrochemicals.
- Enterprise Reuse: Establishes a reusable sensor-based workflow for ongoing pest management studies.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in treatment evaluation.
- Operational Value: Standardizes data collection, enhances reproducibility, and streamlines resource use.
- Strategic Value: Improves go/no-go decisions and accelerates development timelines for new pest control agents.
- Portfolio Impact: Supports risk-adjusted prioritization of candidate treatments based on robust efficacy data.
Implementation Considerations
- Requires expertise in remote sensing and plant health analytics.
- Needs access to multispectral optical sensors and compatible data infrastructure.
- Demands cross-team standardization of sensor placement and background conditions.
- May require adaptation for different crop species or greenhouse environments.
- Accuracy depends on consistent sensor height and uniform background as supported by the protocol.
