Methodenartikel

Hoogwaardige screening in het veld van fotosynthetische efficiëntie in gewasplanten met behulp van een autonome robot

1K weergaven

⸱

DOI:

10.3791/69530

⸱

9 januari 2026

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

In dit artikel

Samenvatting

Dit manuscript beschrijft een niet-destructieve, hoogdoorvoerbenadering voor autonome veldmetingen van fotosysteem II kwantumefficiëntie, spectrale reflectie en plantenarchitectuur, waardoor grootschalige canopy-fotosynthese fenotypering mogelijk is in agronomische en veredelingsveldproeven.

Samenvatting

Fotosynthese levert energie niet alleen voor de productie van plantbiomassa, maar ook voor symbiotische processen zoals stikstof (N)-fixatie. Hoewel het potentieel voor verdere genetische winst in productiviteit van belangrijke gewassen door verbeterde lichtinterceptie en oogstindex grotendeels is uitgeput, biedt natuurlijk voorkomende of geïnduceerde genetische variatie in fotosynthetische eigenschappen nog steeds aanzienlijke mogelijkheden voor verdere opbrengstverbetering. Omdat fotosynthese echter zeer dynamisch is onder fluctuerende veldcondities, is het moeilijk om een gerichte selectie uit te voeren voor fotosynthetische prestaties tenzij er gegevens met hoge ruimtelijke en temporele resolutie beschikbaar zijn. Om deze kloof te overbruggen, installeerden we een licht-geïnduceerd fluorescentietransient (LIFT)-apparaat op een autonome veldrobot om de kwantumefficiëntie van fotosysteem II (Fq'/Fm') te meten, wat goed gecorreleerd is met de algehele fotosynthetische prestaties. De LIFT-methode gebruikt subsaturerende flitsen met een snelle herhalingssnelheid om maximale fluorescentie te induceren, waardoor metingen in minder dan 1 ms mogelijk zijn vanaf een afstand tot 1 m. De robot beweegt met een snelheid van 0,5 m s-1 en navigeert autonoom door het hele veld op basis van coördinaten van het globale navigatiesatellietsysteem (GNSS). Spectrale metingen en stereo rode, groene en blauwe (RGB) camera's geven extra informatie over driedimensionale (3D) plantarchitectuurgerelateerde kenmerken, zoals bladhoek en lichtintensiteit op het doelblad. De resulterende kaarten met hoge ruimtelijke tijdsresolutie van fotosynthetische efficiëntie geven gedetailleerde informatie over de groeiprestaties van planten in agronomische veldproeven of kwekerijen.

Inleiding

Fotosynthese biedt planten niet alleen de energiebasis voor de productie van biomassa en het onderhoud van hun eigen metabolisme, maar ook voor stikstof (N)-fixatie in peulvruchten1 en andere symbiotische processen2. Het opbrengstpotentieel van elk gewas hangt af van het aandeel fotosynthetische fotonfluxsnelheid (PPFR) dat door het bladerdak wordt onderschept (εi), het aandeel van deze straling dat daadwerkelijk wordt gebruikt in fotosynthese en omgezet in biomassa (εc), en het aandeel van de biomassa-energie dat wordt verdeeld in het geoogste product (εp)3. De εp kan gelijk zijn aan de oogstindex (HI) als deze wordt gedefinieerd als de biomassa van het geoogste product gedeeld door de totale scheut- en wortelbiomassa3. Eerdere fokpogingen richtten zich vooral op het verhogen van εi en εc en waren daar zeer succesvol in3: Bijvoorbeeld, moderne genotypen van graan- en graanvlinderbloemigen kunnen een εi van ongeveer 90% bereiken en een HI van ongeveer 60% 3,4, waardoor er weinig kans is om verder te stijgen εi en εp3, 5. Daarentegen overschrijden waarden van εc die in C3 en C4 gewassen worden waargenomen zelden 1/3 van het theoretische maximum van respectievelijk 9,4% en 12,3%. Dit wijst op een groot potentieel om de gewasproductiviteit verder te verhogen als εc kan worden verhoogd door selectie op basis van natuurlijke genetische variatie en/of gerichte optimalisatie van elementen van het fotosyntheseapparaat, zoals het enzym ribulose-1,5-bisfosfaat carboxylase/oxygenase (RuBisCO), via genetische engineering 3,5,6,7. Er is echter aangetoond dat i) de fotosynthetische efficiëntie zeer dynamisch is onder veldomstandigheden, aangezien planten zich voortdurend aanpassen aan veranderend licht en andere omgevingscovariaten 8,9 ii) fotosynthetische eigenschappen gemeten onder stationaire omstandigheden (bijv. in binnengroeikamers met kunstlicht10) andere erfelijke patronen vertonen dan de niet-stationaire fotosynthese die in het veld is waargenomen11. Dit beperkt het nut van fotosynthesefenotypering binnen voor de selectie van hogere opbrengsten van basisvoedselgewassen die in de praktijk doorgaans buiten in het veld worden geteeld. Daarom is het moeilijk om een gerichte selectie voor fotosynthetische eigenschappen uit te voeren, tenzij er gegevens met hoge ruimtelijke en temporele resolutie beschikbaar zijn van een groot aantal gewasgenotypen 6,12. 

Eerdere pogingen om niet-destructieve metingen van fotosynthese in het veld uit te voeren, hebben grotendeels vertrouwd op handzame gasuitwisseling 13,14,15 of pulsamplitudemodulatie (PAM)-type chlorofylfluorescentie (ChlF)16,17 meetapparaten. Deze benaderingen hebben het gedeelde nadeel dat de latjes waarop metingen moeten worden uitgevoerd handmatig moeten worden vastgeknipt of geplaatst in een meetkamer18,19. Bovendien duren gasuitwisselingsmetingen in het veld enkele minuten om een evenwicht in de meetkamer te waarborgen. Dit maakt de metingen moeizaam en traag, wat leidt tot grote moeilijkheden om een voldoende doorvoer te bereiken om fotosynthetische regulatie onder fluctuerende omstandigheden in het algemeen te bestuderen, en vooral voor een zinvolle screening van honderden of zelfs duizenden genotypen in fokprogramma's19. Net als de eerder genoemde PAM ChlF-meetapparaten17, maakt de licht-geïnduceerde fluorescentietransient (LIFT) methode20 gebruik van het feit dat i) lichtenergie die het chlorofyl bereikt in fotosysteem II (PS II) kan worden gebruikt voor fotosynthese, afgevoerd als warmte in een proces dat niet-fotochemische afschikking (NPQ) wordt genoemd, of door ChlF en ii) die het fotosynthesepad blokkeert door verzadiging van een sterke lichtpuls, wat resulteert in een vermindering van elektronacceptoren stroomafwaarts van PS II, zal resulteren in een overeenkomstige toename van ChlF. Op basis van deze geïnduceerde variabele ChlF kunnen we de fotosynthetische kwantumefficiëntie van PS II (Fq'/Fm') onder omgevingslichtcondities of de maximale kwantumefficiëntie van PS II (Fv/Fm) onder omgevingslichtomstandigheden berekenen) als bladeren in het donker werden gehouden vóór de metingen.

De parameter Fv/Fm werd begin jaren tachtig vastgesteld door Kitajima en Butler21, Butler22, en Björkman en Demmig23, die een optimale waarde van ≈ 0,83 rapporteerden in niet-gestreste bladeren bij diverse soorten. De ontwikkeling van Fq'/Fm' (ΦPS II) als diagnostische test van fotosynthetische prestaties begon met Genty et al.24, die de bijna lineaire relatie met CO-2-assimilatie onder niet-gestresste omstandigheden aantoonden. Maxwell en Johnson25 en Baker26 boden later een praktisch kader voor het toepassen van Fq'/Fm', Fv/Fm en NPQ, waarbij ze hun gevoeligheid voor omgevingsstress en hun waarde bij het identificeren van schadesymptomen zoals fotoinhibitie benadrukten. Murchie en Lawson27 benadrukten het potentieel (en de beperkingen) van Fq'/Fm' voor veldfenotypering en gewasverbetering. Meer recentelijk benadrukten Long et al.8 dat fotosynthese in gewassen plaatsvindt onder fluctuerend licht, waarbij dynamische veranderingen in PS II-efficiëntie en NPQ-regulatie sterk invloed hebben op de koolstofwinst, wat de noodzaak benadrukt om fluorescentieparameters te interpreteren in relatie tot temporele omgevingsvariabiliteit.

Zoals al vermeld in28, correleerde Fq'/Fm' gemeten met een stationaire LIFT-sensor goed met metingen van PAM (R2 = 0,89) en CO2 assimilatiesnelheid (R2 = 0,89)29,30,31. In lijn hiermee is aangetoond dat het modelleren van Fq'/Fm'-responsen tijdens veldseizoenen goede voorspellingen mogelijk maakt van εc, gewasproductiviteit12,32 en stresstolerantie33. De PAM-type ChlF-meetapparaten gebruiken echter één enkele lichtflits (verzadigende puls) om het fotosynthesepad te remmen en zwakkere flitsen om minimale en maximale ChlF (meetpuls) te meten, wat in totaal ongeveer 1 s duurt en dus niet geschikt is voor zeer hoge doorvoer. Daarentegen produceert de LIFT-sensor een snelle reeks van 300 hoogintensieve flitsers (met 40.000 μmol fotonen m-2 s-1) om een geleidelijke verzadiging van het fotosynthesepad binnen 750 μs (= 0,00075 s) te bereiken, terwijl de ChlF-opbrengst discreet wordt gemetenop 20. Dit maakt een grotere afstand mogelijk tussen het meetapparaat en het doelblad19 en maakt snelle, hoogdoorvoermetingen mogelijk met een autonoom draagvoertuig waarop de sensor stijf is gemonteerd32. Eerdere studies (bijv. 32) waren vaak beperkt in doorvoer onder veldomstandigheden of beperkt tot glaskasexperimenten. Hoewel deze benaderingen succesvol waren in het identificeren van kandidaatgenen voor fotosynthetische regulatie12, misten ze waarschijnlijk belangrijke regulerende processen die onder veldomstandigheden plaatsvonden. Daarom veronderstellen we dat een LIFT-sensor gemonteerd op een autonome robot een geschikt hulpmiddel vormt om Fq'/Fm' van grote aantallen genotypen (meerdere metingen per seconde op duizenden planten of percelen per dag) in het veld te meten.

Protocol

1. Het opzetten van de PPFR-sensor en datalogger

  1. Verbind de PPFR-sensor en de powerbank met de datalogger. Verbind de datalogger met de laptop en start de data logger met de datalogger desktopclient.
  2. Installeer het camerastatief naast het experimentele veld met de PPFR-sensor bovenop en de datalogger en powerbank op de grond eronder.
    OPMERKING: Zorg ervoor dat de PPFR-sensor rechtop staat en niet wordt beschaduwd of anderszins beïnvloed door nabijgelegen objecten. De PPFR-sensor zou een gimbal nodig hebben als hij direct op de robot is gemonteerd om nauwkeurige PPFR-waarden te meten.

2. Het opzetten van de robot en de LIFT-sensor

  1. Laad de waypointcoördinaten (.geojson-formaat) voor de meting op de robot. Ze kunnen hetzelfde zijn als die gebruikt voor GNSS-geleide zaaien van de proef.
  2. Bevestig de LIFT-sensorassemblage aan de voorkant van de robot op een hoogte van ongeveer 60 cm boven het gewasdak (zie Figuur 1A).
  3. Plaats de laptop, autobatterij en stroomomvormer bovenop de robot en verbind de stroomomvormer met de autobatterij en met de LIFT-sensor.
    VOORZICHTIG: De excitatiestraal van de LIFT-sensor is gevaarlijk voor de ogen. Direct in de excitatiestraal kijken moet strikt worden vermeden.
  4. Plaats de GNSS-antennekit bovenop de robot, sluit deze aan op de laptop en start de GNSS-logger desktopclient.
  5. Verbind de LIFT-sensor met de laptop en start de LIFT-desktopclient met de volgende instellingen:
    LIFT-sensor: excitatievermogen = 40.000 μmol fotonen m>-2 s-1; flitslengte = 1,6 μs; aantal excitatieflitsen per enkele meting = 300; aantal relaxatieflitsen = 80; tijd tussen excitatieflitsen = 2,5 μs; tijd tussen relaxatieflitsen: ji = 101,28 + 0,0215 × i μs, waarbij ji de intervallengte van de i-de flitser is; sensorversterking = 10 of 25; Meetinterval = 0 s.
    Spectrometer: spectrale integratietijd = 100 ms, spectraal bereik van 400 tot 800 nm.
    RGB-camera's: belichting = automatisch; sluiter = automatisch; versterking = automatisch; helderheid = 0; framerate = 20 s-1; triggermodus = toegestaan (activeert de camera bij elke LIFT-meting).
    OPMERKING: De grootheid die direct door de LIFT-sensor wordt gemeten is de ChlF-opbrengst (toename van de totale ChlF door de excitatiebundel voor elke flashlet20). Bereken vervolgens Fq'/Fm' als
    Fq'/Fm' = (Fm' - F') / Fm' 26
    waarbij F' wordt gedefinieerd als de ChlF-opbrengst van de1e flashlet en Fm' als het gemiddelde van de ChlF-opbrengsten van de 301een de 302e flashlets28. De totale duur van één ChlF-meting (inclusief de relaxatiefase) is ongeveer 21 ms, maar de duur van de cruciale 300 flashlet excitatiefase is slechts 750 μs.

3. Het uitvoeren van LIFT-metingen

  1. Stuur de robot handmatig naar het begin van de eerste rij plots in het experimentele veld met behulp van de afstandsbediening.
  2. Activeer het meetscript voor de LIFT-sensor en de spectrometer in continue modus.
  3. Start de autonome robotnavigatie met 0,5 m s-1 snelheid via de robotbesturingswebsite.
  4. Controleer tijdens de meting periodiek de grafiek die de ChlF-opbrengst in de LIFT-sensorassemblage-desktopclient voorstelt om te bevestigen dat deze de verwachte vorm heeft (zie Figuur 1B). Pas de sensorversterking aan als de signalen te zwak zijn.
  5. Houd periodiek het witte referentiepaneel onder de excitatiestraal op de hoogte van het gewasdak terwijl de robot draait bij de veldrand.

4. Data-integratie en voorverwerking

OPMERKING: De R-code is beschikbaar op GitHub (https://github.com/beat2keller/lift_data_processing)

  1. Lees de LIFT-transiënt en spectrale data uit alle *_data.csv en *_spectral.csv in met behulp van R data.table pakket34.
  2. Lees de GNSS- en weergegevens samen met de .geojson-plotkaarten en het experimentele ontwerp.
  3. Combineer de datasets en voer statistische analyses uit, bijvoorbeeld zoals beschreven in12, of lager.
    1. Haal Fq'/Fm' uit elke opgenomen transiënte.
    2. Voeg elk GNSS-punt toe aan de bijbehorende plot op basis van .geojson-polygonen met behulp van ruimtelijke containment. Vergeet niet rekening te houden met de afstand tussen de LIFT-sensorassemblage en de GNSS-antenne op de robot.
    3. Bepaal de koers van de robot vanuit opeenvolgende posities. Voeg het experimentele ontwerp samen met de GNSS-gegevens via de toegewezen plotidentificaties.
      OPMERKING: Deze stap koppelt elke ruimtelijke positie aan de respectievelijke behandeling (bijv. genotype) en replicatie- (bijv. blok-) informatie.
    4. Combineer de hoogresolutiegegevens van de PPFR-sensor met laagresolutie PPFR-gegevens van het dichtstbijzijnde weerstation om een gefuseerde incident PPFR-tijdreeks te produceren (optioneel).
      OPMERKING: Laagresolutie meteorologische gegevens voor Zwitserland kunnen worden afgeleid uit het agrometeo.ch (https://agrometeo.ch/de) netwerk zoals beschreven in35.
    5. Filter de witte referentiemetingen uit de spectrale reflectantiedataset en voeg ze samen met de PPFR-gegevens met behulp van tijdstempels om een opzoektabel te maken voor de spectrale reflectantie onder verschillende invallende lichtintensiteiten zoals beschreven in28.
    6. Corrigeer de ruwe spectrale reflectiegegevens op basis van de opzoektabel.
    7. Bereken de MERIS terrestrische chlorofylindex (MTCI) en de genormaliseerde verschilvegetatie-index (NDVI) uit de gecorrigeerde spectrale reflectiegegevens met behulp van de formules
      Vergelijking 1
      waarbij Rλ de gemiddelde reflectie bij golflengte λ nm aanduidt.
    8. Meng de ChlF-, GNSS-positie/experimentele ontwerp- en PPFR/spectrale reflectantiegegevens door een dichtstbijzijnde naburenjoin uit te voeren met een gedefinieerd tolerantievenster (bijv. 1 ms) gebaseerd op tijdstempels.
    9. Identificeer en verwijder rijen met uitschieters in Fq'/Fm' uit de dataset.
    10. Extraheren genotype-specifieke fotosynthetische responstrends (G: PPFR) uit de uitschieter-gecorrigeerde ChlF-data door het model te passen
      Fq'/Fm' = β0 + β1 Datum + β2 (Kop x Uur) + β3 (Genotype × PPFR) + β4 MTCI + β5 PPFR + ε
      naar de uitschieter-gefilterde dataset.
    11. Schat de helling (β3) van de (Genotype × PPFR) voorspellerterm met behulp van geschatte marginale trends (emtrends in R) om een kwantitatieve maat te verkrijgen van de genotype-specifieke respons op irradiance. Het opnemen van de MTCI in het model houdt rekening met verschillen in chlorofylgehalte en canopy-status die Fq'/Fm' beïnvloeden zoals eerder beschreven12.
      OPMERKING: De heading geeft de rijrichting van de robot aan (afgeleid van GNSS-lagers in stap 4.3.3) om rekening te houden met mogelijke richtingseffecten tijdens metingen.

Resultaten

In totaal werden 91.205 ChlF-tijdelijke metingen verkregen van 36 sojabonenlijnen (Glycine max (L.) Merr.) in 7 meetdagen van 12 tot 27 juni 2025. 74.927 datapunten konden georefereren naar plots, en 58.916 werden gefilterd op datakwaliteit en succesvol gematcht met spectrale en weersgegevens. Een overzicht van de meetopstelling en representatieve gegevens is te zien in Figuur 1, inclusief een afbeelding van het instrument in gebruik (Figuur 1A), ChlF-inductiekinetiek over 12 sojaboongenotypen (Figuur 1B) en bijbehorende spectrale reflectiecurves (Figuur 1C).

De georeferentiegegevens toonden uitgesproken ruimtelijke variatie in zowel Fq'/Fm' als NDVI over de twee experimentele velden (Figuur 2). Deze ruimtelijke patronen waren deels geassocieerd met de rijrichting van de robot (Figuur 3), die daarom in latere modellering werd meegenomen om de mogelijke effecten van schaduw op de doelbladeren te verminderen.

Lineaire mixed-effects modellering van Fq'/Fm'-responsen op incidentele PPFR (Figuur 4A) verklaarde een aanzienlijk deel van de variantie (RVergelijking 10 = 0,45, RVergelijking 11 = 0,60). De geëxtraheerde genotype-specifieke hellingen (Respons G: PPFR) vertoonden duidelijke verschillen tussen foklijnen (Figuur 4B), waarbij verschillende lijnen steilere of vlakkere responscurves vertoonden vergeleken met het panelgemiddelde (Figuur 4C).

Ten slotte toonden canopy-level 3D-reconstructies, afgeleid van RGB-beeldvorming en het Matching And Stereo 3D Reconstruction (MASt3R) algoritme36 (Figuur 5), het potentieel aan van het integreren van LIFT-gebaseerde fysiologische metingen met structurele fenotypering om canopy-architectuur in drie dimensies vast te leggen.

Figuur 1
Figuur 1: Overzicht van licht-geïnduceerde fluorescentietransient (LIFT) en spectrale reflectantiemetingen voor sojaboongenotypen. (A) Voorbeeldafbeelding van het LIFT-apparaat in werking. De inlaat toont de blauwe excitatiestraal die chlorofylfluorescentie (ChlF) induceert. (B) Tijdelijke ChlF-inductiecurves gemeten op 27 juni 2025 voor 12 sojaboongenotypen (gemiddelde ± SD, n tussen 88 en 553 per genotype, ntotaal = 2.035). (C) Overeenkomstige bladreflectiespectra gemeten op 25 juni 2025 voor dezelfde genotypen (gemiddelde ± SE, ntotaal = 2.035). Kleuren geven individuele genotypen aan; Foutbalken geven variatie aan tussen replicatieve metingen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2
Figuur 2: Ruimtelijke verdeling van kwantumefficiëntie van fotosysteem II en waarden van de genormaliseerde differentievegetatie-index (NDVI). De ruimtelijke verdeling van (bovenste) kwantumefficiëntie van fotosysteem II (Fq'/Fm') en (onder) genormaliseerde differentievegetatie-index (NDVI) waarden werd gemeten over twee experimentele sojaboonvelden met 120 percelen en 36 foklijnen (n = 58.916). Punten geven meetlocaties aan, met kleuren die de waargenomen waarde aangeven en vormen de koersrichting van de robot aangeven: noordwest (NW), noordoost (NE), zuidwest (SW) en zuidoost (SE)-richting. Zwarte lijnen geven de grenzen van het veldplot af. Zwarte stippen geven de coördinaten van het globale navigatiesatellietsysteem (GNSS) van de veldrobot aan. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3
Figuur 3: Kwantumefficiëntie van fotosysteem II. Boxplots tonen de kwantumefficiëntie van fotosysteem II (Fq'/Fm') en de logaritme van de invallende irradiantie bij 680 nm over meeturen (9 - 15 uur) voor zowel noordoostelijke (NO)-richting als zuidwestelijke (ZWEST)-richting roverrichting (nNE-richting = 14.339, nZO-richting = 25.669, ntotaal = 40.008). De robot schaduwde de meetplek terwijl hij 's ochtends zuidwest-richting voer en 's middags noordoost-waarts. Elke box vertegenwoordigt het interkwartielbereik (IQR), waarbij de horizontale lijn en de snorharen respectievelijk de mediaan en 1,5 × IQR-limieten aangeven. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4
Figuur 4: Fotosynthetische responshellingen. (A) Ruimtelijke variatie in geschatte fotosynthetische responshellingen (interactie tussen genotype en fotosynthetische fotonfluxsnelheid (G: PPFR)) over twee sojaboon-experimentele velden, afgeleid van lineaire mixed-effects modellering. (B) Gecorrigeerde gemiddelden en model-geschatte fotosynthetische responshellingen voor individuele foklijnen, met gemarkeerde genotypen van belang in kleur getoond. (C) Relatie tussen incident PPFR en de kwantumefficiëntie van fotosysteem II (Fq'/Fm') voor de gemarkeerde genotypen, met aangepaste vierkantswortelregressiecurves. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5
Figuur 5: Meting van de canopy-architectuur door LIFT. De bladerdakarchitectuur van de sojaboonvariëteit Gallec wordt getoond. (A) De rode, groene en blauwe (RGB) camera's van het licht-geïnduceerde fluorescentietransient (LIFT) apparaat namen beelden vast tijdens het screenen voor fotosynthese. (B, C) Het matching and stereo 3D-reconstructie (MASt3R) algoritme36 werd gebruikt om de 3D-canopy-architectuur te reconstrueren. De piramides geven geschatte cameraposities aan. Klik hier om een grotere versie van deze figuur te bekijken.

Discussie

Doorvoer van de methode

De LIFT-methode maakt een veel grotere meetafstand tussen de sensor en de doelbladen mogelijk dan eerdere gasuitwisselings- en PAM-type ChlF-meetapparaten18,19, wat op zijn beurt geautomatiseerde hoogdoorvoermetingen mogelijk maakt zowel in het veld als in binnenomgevingen 12,32,37. Dit elimineert de noodzaak van fysieke interactie met het bladerdak. De doorvoer van de methode neemt toe met de snelheid van de robot. Om een nauwkeurige meting van de ChlF-opbrengst over tijd te garanderen, moet de afstand die tijdens één Fq'/Fm' meting wordt afgelegd verwaarloosbaar blijven in vergelijking met de verlichte oppervlaktediameter (20 mm voor de LIFT-sensor). Wanneer de robot beweegt tijdens excitatie, verschuift ook de verlichte plek, waardoor de ChlF-opbrengst per flitser afneemt, wat uiteindelijk leidt tot foutieve schattingen van Fm' en Fq'/Fm' bij te hoge snelheden. Bij een robotsnelheid van 0,5 m s-1 was slechts ongeveer 2,4% van het door de laatste excitatieflashlet verlicht gebied niet al verlicht door de eerste excitatieflashlet, wat betekent dat de systematische meetfout op Fm' door de beweging van de robot numeriek verwaarloosbaar zal zijn (volledige berekening op GitHub, https://github.com/beat2keller/lift_data_processing). Bij een snelheid van 0,5 m s-1 maten we 300 plots (1,5 × 2 m) per uur op een veld van 40 × 36 m, wat overeenkomt met enkele duizenden plots per dag. Bovendien maken het relatief lage totale gewicht (200 kg) en de compacte afmetingen van onze meetopstelling transport met lichte voertuigen mogelijk, wat multi-site proeven vergemakkelijkt om de fotosynthetische efficiëntie in omgevingente beoordelen 38.

Fotosynthese van bladeren versus bladerdaken

De LIFT-metingen in deze methode zijn ruimtelijk beperkt tot de bovenste, zonverlichte laag van het bladerdak, die verantwoordelijk is voor ongeveer 50% tot 70% van de totalefotosynthese 39. Bovendien hangt de hoeveelheid licht die elk blad kan absorberen kritisch af van de hoek ten opzichte van de zon, waarbij meer verticale bladeren doorgaans de bladoppervlakte-index verhogen, wat de lichtpenetratie en de fotosynthese van het bladerdak verbetertmet 40,41. Met de LIFT-sensorassemblage die in deze methode wordt gebruikt, kunnen effecten van 3D-canopy-architectuur op single-leaf of whole-canopy fotosynthese worden gemodelleerd met behulp van reflectiemetingen van spectrometer28 en/of een expliciete reconstructie van 3D-canopy-geometrie42 op basis van de beelden van het stereo RGB-camerasysteem. Nieuwe algoritmen, zoals MASt3R36, leren dichte, geometriebewuste feature-correspondenties met behulp van diepe transformatoren, waardoor robuustere en nauwkeurigere 3D-reconstructie mogelijk is over brede of repetitieve gebieden. Echter, zelfs zonder dergelijke aanvullende correcties, is het nut van geautomatiseerde, doorlopende methoden, zoals de LIFT, om productievere en veerkrachtigere gewasvariëteiten te identificeren aangetoond11,43.

Beperking van het zinken

Beperking van de afneem, oftewel actieve afregulering van fotosynthese door het onvermogen van de plant om de hoeveelheid fotosynthaten te gebruiken die hij kan produceren44,45, kan verschillen in εc tussen genotypen maskeren. Sink-beperkte downregulatie van fotosynthese neemt waarschijnlijk toe met een toename van deCO2-concentratie in de atmosfeer45. Onze methode kan sinkbeperking alleen detecteren wanneer dit ook leidt tot een afname van Fq'/Fm'; Er zijn aanwijzingen dat dit inderdaad kan gebeuren46. In ieder geval lijkt de relevantie van beperking van het aantal peinen sterk af te hangen van het gewas en de ontwikkelingsfase, waarbij tarwe tijdens het vullen van graan veel meer wordt beïnvloed dan de graanpeulvruchten45, omdat de symbiotische stikstoffixatie van laatstgenoemde een sterke extra afnamevormt 1,44,46. Als wordt verwacht dat de beperking van de put van groot belang zal zijn in een specifiek gewas gedurende de periode waarin LIFT-metingen worden uitgevoerd, zijn verdere studies nodig om de resulterende Fq'/Fm'-waarden te vergelijken met gelijktijdig verzamelde gasuitwisselingsgegevens en de geldigheid te controleren van de aanname dat Fq'/Fm' een goede proxy is voor εc.

Meetafstand en variabiliteit in de hoogte van het bladerdak

De LIFT-sensorassemblage die bij deze methode wordt gebruikt, is ontworpen om metingen uit te voeren vanaf een afstand van ongeveer 60 cm tot het gewasdak32,47. De LIFT-sensor die in de methode wordt gebruikt, is vrij robuust tegen kleine verschillen in afstandsmeting, maar een grotere meetafstand lijkt over het algemeen te resulteren in iets kleinere waarden van Fq'/F m'47. Om dergelijke bias te voorkomen, raden we aan de respons van Fq'/Fm' op PPFR te gebruiken (wat robuuster is voor veranderingen in meetafstand) in plaats van de absolute waarden van Fq'/Fm' zoals in12 en/of om expliciet rekening te houden met verschillen in de hoogte van het bladerdak tijdens de data-analyse.

Onbedoelde, kunstmatige schaduw van bladeren

Verhoogde lichtintensiteit neemt over het algemeen af met Fq'/F m'3,8,12. Daarom moet onnodige schaduwwerking door operators of de meetopstelling worden vermeden 3,8,12. Om schaduwvorming door de robot te minimaliseren, kan de rijrichting worden ingesteld om deze volledig te voorkomen op32 (ten koste van verminderde doorvoer door onproductieve terugkeringen), of kunnen metingen in afwisselende richtingen worden uitgevoerd en vervolgens statistisch gecorrigeerd worden voor schaduweffecten. In deze studie zorgt de term Heading × Hour binnen het statistische model van Fq'/Fm' (zie stap 4.3.10) ervoor dat de schaduw van de doelbladeren door de robot wordt meegenomen.

Conclusie

Samenvattend maakt een LIFT-sensor gemonteerd op een autonome robot snelle en geautomatiseerde metingen van fotosynthetische efficiëntie onder veldomstandigheden mogelijk, waarmee de doorvoerlimieten van eerdere benaderingen worden overwonnen. Hoewel factoren zoals de structuur van het bladerdak en beperking van de put zorgvuldige overweging vereisen, tonen onze resultaten aan dat betrouwbare en schaalbare fotosynthesescreenings in agronomische veldproeven en kwekerijen haalbaar zijn. Het ensemble van een hoogresolutie stereo RGB-camerasysteem en de LIFT als puntsensor maakt een verdere toename van de precisie mogelijk: AI-gestuurde 3D-lokalisatie van bladeren maakt het mogelijk bladeren te bemonsteren met een vergelijkbare oriëntatie naar de zon toe en rekening te houden met genotype-specifieke bladhelling. Vanuit onderzoeksperspectief kan het bijzonder interessant zijn om de fotosynthese van genotypen met verschillende bladerdakarchitectuur te vergelijken en high-throughput LIFT-metingen uit te voeren onder free-air CO2-verrijking (FACE) om beter te begrijpen hoe Fq'/Fm' wordt beïnvloed door processen stroomafwaarts van PS II onder veldomstandigheden en potentiële zinkbeperkingen. In de praktijk heeft screening voor fotosynthetische prestaties en stressbestendigheid in kwekerijen tot aan het veld van de boer voor precisielandbouwtoepassingen groot potentieel.

Openbaarmakingen

De robot die in deze studie werd gebruikt, is ontwikkeld door Caterra AG, een bedrijf dat afkomstig is van de ETH Zürich Crop Science onderzoeksgroep, waaraan de meeste auteurs van het huidige artikel verbonden zijn. De auteurs zijn echter niet direct betrokken bij de ontwikkeling van de robot en geven geen aanvullende concurrerende belangen aan.

Dankbetuigingen

Wij danken Caterra AG voor het leveren van het robotchassis, de bijbehorende technische ondersteuning en de hulp bij de conversie voor onze metingen. Wij danken Nicola Storni van de Crop Science onderzoeksgroep van het Zwitserse Federale Instituut voor Technologie Zürich voor zijn steun bij het opzetten van het GNSS-positieregistratiesysteem op de robot. Speciale dank gaat uit naar Christoph Barendregt van DSP Delley Seeds en Claude-Alain Bétrix van Agroscope voor het leveren van plantmateriaal uit het Agroscope/DSP-partnerschap voor de proeven binnen het PhenoSoy-project, dat werd gefinancierd door het Federal Office for Agriculture (FOAG). De methode werd ontwikkeld binnen het project Increasing sustainability and nitrogen use efficiency by improving peas for crop rotation (ECOPRot), gefinancierd door het ETH World Food System Center via een donatie van Bayer AG en een ETH Zurich Career Seed Award. Grote taalmodellen werden deels gebruikt om te helpen bij codering en frasering. Alle resultaten werden gecontroleerd, geverifieerd en afgerond door de auteurs.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
camera tripod--Elk type waarop de PPFR-sensor horizontaal kan worden gemonteerd, is voldoende.
car battery (12 V / 80 Ah)Mercedes-Benz Group AG, Stuttgart, GermanyA 001 982 81 08-
data loggerHOBO Data Loggers, Bourne, U.S.A.HOBO U30 Station, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/-
data logger desktop clientOnset Computer Corporation, Massachusetts, U.S.A.HOBOware Version 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware-
GNSS antenna kitArduSimple, Andorra la Vella, AndorraAS-STARTKIT-LR-L1L2-EUNH-00-
GNSS logger desktop clientu-blox AG, Thalwil, Switzerlandu-center GNSS, [sic] Evaluation Software Version 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf-
laptop computer --Elke laptop die een Windows (Microsoft Corporation, Redmond, U.S.A.) versie draait die compatibel is met de GNSS- en data logger desktop clients is voldoende.
LIFT sensor assembly desktop clientSoliense Inc., New York, U.S.A.Version.2016.04-
LIFT sensor assembly
(complete met 240 V netadapter)		Soliense Inc., New York, U.S.A.LIFT-REMNaast de eigenlijke LIFT-sensor bevat de LIFT sensor assembly een RGB stereo camera systeem bestaande uit twee Blackfly S BFS-U3-50S5C camera's geleverd door FLIR Integrated Imaging Solutions Inc. (British Colombia, Canada) [nu Teledyne FLIR LLC, Wilsonville, U.S.A.] en een 400 tot 800 nm spectrometer met een resolutie van 0.46 nm geleverd door Ocean Insight, [Nu Ocean Optics] (Orlando, U.S.A.).
 De robot meet ≈ 170 × 210 × 90 cm (lengte × breedte × hoogte) en weegt ≈ 170 kg. De LIFT sensor assembly meet ≈ 23 × 34 × 59 cm (lengte × breedte × hoogte, zoals gemonteerd op de robot).
power inverter
(12 V DC naar 240 V 50 Hz AC)		Green Cell CSG S.A., Cracow, PolandINV08-
powerbank--Elke USB powerbank is voldoende.
PPFR sensorHOBO / LI-COR, Lincoln, U.S.A.S-LIA-M003-
robot control websiteCaterra AG, Opfikon, Switzerland-Link wordt door de fabrikant van de robot individueel voor elke klant verstrekt.
robot prototype chassis
(complete met afstandsbediening en
240 V netbatterij oplader)		Caterra AG, Opfikon, SwitzerlandFirefly (prototype, niet op de markt gebracht), https://caterra.org/nl/technologie/Elke andere veldrobot met geschikte laadcapaciteit, spoorbreedte en bodemvrijheid kan volstaan.
white reference panel--Elke witte of grijze referentie is voldoende.

Referenties

  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).

Herprints en machtigingen

Tags

VeldrobotChlorofylfluorescentieKwantumeffici ntieFotosysteem IILIFT sensorGewasfenotyperingSpectrale ReflectantieGNSS navigatieSojaboonveredeling
Hoogwaardige screening in het veld van fotosynthetische efficiëntie in gewasplanten met behulp van een autonome robot
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.