Ta wysokoprzepustowa, telemetryczna, grawimetryczna metoda fenotypowania stosunków wodnych całej rośliny umożliwia bezpośrednie i jednoczesne pomiary w czasie rzeczywistym, a także analizę wielu cech fizjologicznych związanych z plonami, zaangażowanych w dynamiczne interakcje roślina-środowisko.
Artykuł metodologiczny
Telemetryczna, grawimetryczna platforma do fizjologicznego fenotypowania interakcji między roślinami a środowiskiem w czasie rzeczywistym
W tym artykule
Podsumowanie
Streszczenie
Bezpieczeństwo żywnościowe dla rosnącej globalnej populacji jest głównym problemem. Dane dostarczane przez narzędzia genomiczne znacznie przewyższają ilość danych fenotypowych, co tworzy lukę w wiedzy. Aby sprostać wyzwaniu, jakim jest poprawa upraw w celu wyżywienia rosnącej populacji na świecie, należy wypełnić tę lukę.
Cechy fizjologiczne są uważane za kluczowe cechy funkcjonalne w kontekście responsywności lub wrażliwości na warunki środowiskowe. Wiele niedawno wprowadzonych technik fenotypowania o wysokiej przepustowości (HTP) opiera się na teledetekcji lub obrazowaniu i jest w stanie bezpośrednio mierzyć cechy morfologiczne, ale mierzyć parametry fizjologiczne głównie pośrednio.
Ten artykuł opisuje metodę bezpośredniego fizjologicznego fenotypowania, która ma kilka zalet dla funkcjonalnego fenotypowania interakcji roślina-środowisko. Pomaga użytkownikom przezwyciężyć wiele wyzwań napotykanych podczas korzystania z systemów grawimetrycznych z ogniwami obciążnikowymi i eksperymentów w doniczkach. Proponowane techniki umożliwią użytkownikom rozróżnienie masy gleby, masy roślin i zawartości wody w glebie, zapewniając metodę ciągłego i jednoczesnego pomiaru dynamicznych warunków glebowych, roślinnych i atmosferycznych, wraz z pomiarem kluczowych cech fizjologicznych. Metoda ta pozwala naukowcom na dokładne naśladowanie scenariuszy stresu w terenie, biorąc pod uwagę wpływ środowiska na fizjologię roślin. Metoda ta minimalizuje również efekty doniczkowe, które są jednym z głównych problemów w fenotypowaniu przedpolowym. Obejmuje on system fertygacji zwrotnej, który umożliwia prawdziwie losowy projekt eksperymentalny przy zagęszczeniu roślin podobnym do polowego. System ten wykrywa próg graniczny zawartości wody w glebie (θ) i umożliwia przełożenie danych na wiedzę dzięki wykorzystaniu narzędzia analitycznego w czasie rzeczywistym i zasobów statystycznych online. Ta metoda szybkiego i bezpośredniego pomiaru reakcji fizjologicznych wielu roślin na dynamiczne środowisko ma ogromny potencjał do wykorzystania w badaniach przesiewowych pod kątem korzystnych cech związanych z reakcjami na stres abiotyczny, w kontekście hodowli przedpolowej i ulepszania upraw.
Wprowadzenie
Zapewnienie bezpieczeństwa żywnościowego rosnącej globalnej populacji w obliczu pogarszających się warunków środowiskowych jest obecnie jednym z głównych celów badań nad rolnictwem1,2,3. Dostępność nowych narzędzi molekularnych znacznie usprawniła programy ulepszania upraw. Jednakże, podczas gdy narzędzia genomiczne dostarczają ogromnej ilości danych, ograniczone zrozumienie rzeczywistych cech fenotypowych tworzy znaczną lukę w wiedzy. Wypełnienie tej luki jest jednym z największych wyzwań stojących przed współczesną nauką o roślinach4,5,6. Aby sprostać wyzwaniom, które pojawiają się w procesie ulepszania upraw i zminimalizować lukę w wiedzy na temat genotypu i fenotypu, musimy zrównoważyć podejście genotypowe z fenocentrycznym podejściem 7,8.
Ostatnio, różne platformy fenotypowania o wysokiej przepustowości (HTP) umożliwiły nieniszczące fenotypowanie dużych populacji roślin w czasie, a platformy te mogą nam pomóc w zmniejszeniu luki w wiedzy na temat genotypu i fenotypu6,8,9,10. Techniki przesiewowe HTP pozwalają na pomiar cech w ogromnej liczbie roślin w stosunkowo krótkim czasie, dzięki robotyce i przenośnikom taśmowym lub suwnicom używanym do przemieszczania roślin lub czujnikom (odpowiednio), w przeciwieństwie do technik ręcznych opartych na wymianie gazowej lub fotografii. Niemniej jednak ogromne ilości danych generowanych przez systemy HTP stanowią dodatkowe wyzwania związane z obsługą danych i analizą11,12.
Większość z tych platform HTP obejmuje ocenę cech fenotypowych za pomocą elektronicznych czujników lub automatycznej akwizycji obrazu13,14. Zaawansowana fenomika terenowa obejmuje zastosowanie czujników proksymalnych i technologii obrazowania w terenie, a także precyzyjną i dużą skalę pomiarów dla dużej populacji15. Dane z czujników i obrazów muszą zostać zintegrowane z innymi danymi multiomicznymi, aby stworzyć całościowe podejście fenomiczne drugiej generacji16. Jednak postęp metodologiczny w pozyskiwaniu, przetwarzaniu i przetwarzaniu danych staje się coraz ważniejszy, ponieważ wyzwania związane z przekształcaniem informacji z czujników w wiedzę były rażąco niedoceniane w pierwszych latach badań nad fenomiką roślin13. Jednak wiarygodność i dokładność obecnie dostępnych technik obrazowania do dogłębnego fenotypowania dynamicznych interakcji genotyp-środowisko i reakcji roślin na stres są wątpliwe17,18. Co więcej, wyniki z kontrolowanych środowisk są często bardzo różne od tych obserwowanych w terenie, zwłaszcza jeśli chodzi o fenotypowanie stresu związanego z suszą. Wynika to z różnic w sytuacji, w jakiej znajdują się rośliny pod względem objętości gleby, środowiska glebowego i impedancji mechanicznej spowodowanej spadkiem wilgotności gleby podczas stresu związanego z suszą. W związku z tym trudno jest ekstrapolować wyniki z kontrolowanych środowisk na pole19. Wreszcie, cena wejściowa systemów HTP opartych na obrazie jest bardzo wysoka, nie tylko ze względu na cenę czujników, ale także ze względu na robotykę, przenośniki taśmowe i portale, które również wymagają wyższych standardów infrastruktury infrastruktury i znacznej konserwacji (wiele ruchomych części pracujących w środowisku szklarniowym).
W tym artykule prezentujemy platformę fenotypowania HTP, zaprojektowaną w celu rozwiązania wielu wyżej wymienionych problemów. Technologia telemetryczna umożliwia automatyczny pomiar i transmisję danych ze zdalnego źródła (źródeł) do stacji odbiorczej w celu rejestracji i analizy. W tym miejscu demonstrujemy nieniszczącą platformę telemetryczną HTP, która obejmuje wiele lizymetrów wagowych (system grawimetryczny) i czujniki środowiskowe. System ten może być używany do gromadzenia i natychmiastowego obliczania (analiza obrazu nie jest konieczna) szerokiego zakresu danych, takich jak przyrost biomasy całej rośliny, szybkość transpiracji, przewodność szparkowa, strumienie korzeniowe i efektywność zużycia wody (WUE). Analiza dużych zbiorów danych w czasie rzeczywistym, które są bezpośrednio wprowadzane do oprogramowania ze sterownika w systemie, stanowi ważny krok w przekształcaniu danych w wiedzę14, który ma wielką wartość dla praktycznego podejmowania decyzji, znacznie rozszerzając wiedzę, którą można uzyskać z eksperymentów fenotypowania w kontrolowanym środowisku oraz badań szklarniowych stresu związanego z suszą, Nowy rok.
Inne zalety platformy telemetrycznej to jej skalowalność i łatwość instalacji oraz minimalne wymagania dotyczące infrastruktury dla obiektów wzrostu (tzn. można ją łatwo zainstalować w większości obiektów do wzrostu). Ponadto, ponieważ ten system oparty na czujnikach nie ma ruchomych części, koszty konserwacji są stosunkowo niskie, obejmując zarówno cenę początkową, jak i długoterminowe koszty konserwacji. Na przykład cena 20-częściowego systemu grawimetrycznego, w tym systemu fertygacji ze sprzężeniem zwrotnym dla każdej rośliny, stacji meteorologicznej i oprogramowania, będzie zbliżona do ceny jednego przenośnego systemu wymiany gazów wiodącej marki.
Ryż (Oryza sativa L.) był używany jako modelowa uprawa, a susza była badanym zabiegiem. Ryż został wybrany, ponieważ jest to główna roślina zbożowa o dużej różnorodności genetycznej i jest podstawowym pożywieniem dla ponad połowy światowej populacji20. Susza jest głównym środowiskowym czynnikiem stresu abiotycznego, który może upośledzać wzrost i rozwój roślin, prowadząc do zmniejszenia plonów21. Ta kombinacja upraw i zabiegów została wykorzystana do zademonstrowania możliwości platformy oraz ilości i jakości danych, które może ona wygenerować. Aby uzyskać więcej informacji na temat teoretycznych podstaw tej metody, zobacz 22.
Protokół
W niniejszym protokole zastosowano doniczki o pojemności 4 L umieszczone na wagach o wymiarach 20 cm x 20 cm, przy czym każda doniczka zawierała jedną roślinę. Ten sam protokół jest łatwo skalowalny i może być stosowany z znacznie większymi doniczkami (do 25 L umieszczonymi na wagach o wymiarach 40 cm x 40 cm, przy zastosowaniu jedynie liniowej adaptacji parametrów protokołu) oraz z kilkoma roślinami w jednej doniczce. Dzięki temu protokół można łatwo dostosować do roślin wielu rodzajów i rozmiarów. Komponenty systemu przedstawiono na Rysunku 1 oraz Rysunku 2.
1. Przygotowanie doniczek do eksperymentu
- Włóż filtr glebowy. Rozłóż siatkę nylonową na górze całego zestawu doniczek i umieść uchwyt siatki na wierzchu. Ręką powoli dociśnij uchwyt siatki do połowy wysokości wnętrza zestawu. Upewnij się, że siatka pozostaje równomiernie rozłożona podczas wciskania jej pomiędzy dwie doniczki.
- Wsuń szklany pręt światłowodowy pomiędzy dwie doniczki i dociśnij go aż do dna całego zestawu, upewniając się, że znajduje się on po zewnętrznej stronie siatki i nie przesuwa jej.
- Przed całkowitym dociśnięciem uchwytu siatki, dociśnij siatkę ręką od wewnątrz doniczki i wyreguluj ją tak, aby po pełnym włożeniu uchwytu była ona rozłożona równomiernie i ściśle na dnie doniczki (Rysunek 2CI).
- Przesuń pierścień uszczelniający z dołu opisanego powyżej zestawu doniczek w górę, na wysokość około jednej trzeciej boku doniczki. Upewnij się, że nacięcia pierścienia są skierowane w stronę dna doniczki (Rysunek 2CII).
- Powtórz kroki 1.1-1.4 dla wszystkich doniczek eksperymentalnych przed przejściem do następnego etapu. Przypisz rośliny do miejsc w układzie (Rysunek 2D; stosując układ bloków randomizowanych lub pełną randomizację) za pomocą aplikacji Array Randomizer.
UWAGA: Aby pobrać bezpłatny program i uzyskać więcej informacji, odwiedź link: https://drive.google.com/open?id=1y4QbTpxRK5Lx430xzu1RFdrlcL8pz_1q). - Oznacz doniczki zgodnie z ich lokalizacją w układzie wewnątrz szklarni. Na przykład etykieta „B10D” odpowiada doniczce znajdującej się na stole B, w kolumnie 10 i rzędzie D. Przygotuj trzy dodatkowe doniczki dla każdego stołu do pomiarów zawartości wody w glebie (patrz Sekcja 7.1).
2. Hodowla roślin
- Wybierz podłoże do wzrostu (doniczkowe), które najlepiej pasuje do eksperymentu. Wybór odpowiedniego podłoża jest kluczowy i zależy od kilku czynników (patrz sekcja Dyskusja). Początkującym użytkownikom zdecydowanie zalecamy stosowanie porowatego, ceramicznego podłoża o małych ziarnach. Więcej informacji pomocnych w wyborze właściwego podłoża do eksperymentu znajduje się w Tabeli 1 i Tabeli 2.
- Przeprowadź kiełkowanie nasion w tackach wielokomorowych z wybranym podłożem. Jeśli to możliwe, wykonaj tę czynność w tej samej szklarni, która będzie wykorzystywana w głównej części eksperymentu, aby zaadaptować rośliny do warunków środowiskowych panujących w danej szklarni.
- Jeśli siewki nie były kiełkowane w tackach, przesadź je do tacek wielokomorowych zawierających podłoże doniczkowe. Posadź jedną siewkę w każdej komorze i pozwól jej rosnąć do czasu, aż system korzeniowy stanie się wystarczająco gęsty, by przyjąć kształt komory (tworząc tzw. plug korzeniowo-glebowy).
- Pozostaw 5–7 komór bez siewek w celu pomiaru masy gleby (tylko podłoże doniczkowe; Rysunek 3). Więcej informacji znajduje się w sekcji 5.9.
3. Poprawa stosunku sygnału do szumu
UWAGA: Poniższe kroki poprawiają jakość pomiarów i redukują poziom szumów.
- Kalibracja lizymetru.
- Użyj poziomicy, aby sprawdzić, czy wszystkie lizymetry są wypoziomowane, a następnie rozpocznij proces kalibracji masy. Użyj dwóch ciężarków wzorcowych (1–10 kg). Przeprowadź kalibrację w sytuacji, gdy zielony pojemnik wraz ze wszystkimi zaślepkami znajduje się na ogniwie obciążeniowym.
- Umieść pierwszy (lżejszy) ciężarek kalibracyjny na każdym ogniwie obciążeniowym.
- W oprogramowaniu operacyjnym przejdź do karty Calibration i wybierz masę dla pierwszego punktu. Następnie zaznacz pozycję ogniwa obciążeniowego, na którym umieszczono ciężarek, i kliknij Get point1 (Supplementary Figure 1A). Ten krok można zastosować dla kilku ogniw obciążeniowych jednocześnie.
- Powtórz czynność dla drugiego ciężarka i kliknij Get point2.
- Kliknij Apply calibration.
- Zapewnienie wystarczającej liczby roślin o odpowiedniej wielkości do eksperymentu
UWAGA: Im mniejsza roślina, tym słabszy będzie jej sygnał (np. masa wody transpirowanej w ciągu dnia w stosunku do masy doniczki). Poniższe kroki pomogą poprawić stosunek sygnału do szumu.- Rozpocznij eksperyment, gdy roślina transpiruje około 10% maksymalnej pojemności wodnej doniczki.
UWAGA: Na przykład, pracując z podłożem piaszczystym, które przy pełnej pojemności doniczki zawiera ok. 1 L wody (patrz Table 2), rozpocznij eksperyment, gdy rośliny transpirują ok. 10 mL na dobę. W przypadku podłoża na bazie torfu, które przy pełnej pojemności doniczki utrzymuje około 2 L wody (patrz Table 2), rozpocznij pomiary, gdy rośliny transpirują około 20 mL na dobę. - Przed umieszczeniem rośliny w systemie oszacuj początkową dobową transpirację rośliny, mierząc (ręcznie) różnice masy między porankiem a wieczorem u kilku siewek.
- W przypadku pracy z małymi roślinami, umieść kilka roślin w każdej doniczce (np. sześć roślin Arabidopsis w jednej doniczce o pojemności 3,9 L23, aby osiągnąć zalecany minimalny poziom transpiracji)*.
- Rozpocznij eksperyment, gdy roślina transpiruje około 10% maksymalnej pojemności wodnej doniczki.
4. Przygotowanie eksperymentu
UWAGA: Proces przygotowania eksperymentu został zaprojektowany tak, aby uwzględnić masę wszystkich elementów systemu, a mianowicie masę podłoża (wliczając masę gleby i wody przy pojemności doniczki) oraz początkową masę siewek. Postępuj zgodnie z poniższymi krokami:
- Jeśli to możliwe, należy pracować z podobnymi komponentami statycznymi o zbliżonej wadze. Komponenty o wadze statycznej obejmują zestawy doniczek, sondy glebowe oraz inne elementy plastikowe.
- Aby rozpocząć nowy eksperyment, otwórz oprogramowanie operacyjne. Otwórz zakładkę Experiments w menu po lewej stronie ekranu. Kliknij Create New lub skopiuj właściwości eksperymentu z poprzedniego badania, klikając prawym przyciskiem myszy na wybrany eksperyment i wybierając Duplicate. Zmień nazwę eksperymentu (Supplementary Figure 1B).
- Upewnij się, że żadna jednostka nie jest obecnie wykorzystywana w innym eksperymencie uruchomionym w systemie. Sprawdź, czy wszystkie rośliny w tabeli Plants są zgodne z planem eksperymentalnym. Jeśli nie, zmień tabelę zgodnie z planem (patrz sekcje 5.18, 6 oraz Supplementary Figure 1C).
- Rozpocznij eksperyment, klikając nazwę eksperymentu, a następnie przycisk Start.
- Wykonaj pomiary ręczne wcześniej przygotowanych pustych doniczek (podwójna doniczka, siatka, patyczek i czarna uszczelka pierścieniowa). W przypadku użycia elementów podobnych do siebie wystarczy średnia waga 10 z nich.
- Dokładnie wymieszaj podłoże z wodą przez co najmniej 1 h, aby rozpadło się na jednorodne cząstki i zostało nasycone, co zapewni jednolitość i homogeniczność. Użytkownikom rozpoczynającym pracę stanowczo zalecamy stosowanie porowatego, ceramicznego podłoża o małych ziarnach (patrz Table 1 i Table 2). Alternatywnie można zastosować gruboziarnisty piasek.
- Użyj mieszadła mechanicznego (np. betoniarki).
- W przypadku stosowania podłoża o bardzo wysokiej homogeniczności (np. piasku przemysłowego) pomiń krok 4.6.1.
- Wypełnij wszystkie doniczki do eksperymentu w sposób jednolity odpowiednim podłożem (np. piaskiem, ziemią lub torfem).
- W środku podłoża umieść odlew formy otworu (Figure 3B), który kształtem i rozmiarem odpowiada bryle korzeniowej sadzonek (z tacki wielokomorowej). Wciśnij go całkowicie. Kilkakrotnie uderz dnem doniczki o podłogę, aby upewnić się, że podłoże jest dobrze rozłożone w doniczce. Powtórz czynność dla wszystkich doniczek.
- Obficie podlej doniczki i opłucz ich zewnętrzną stronę. Pozostaw doniczki do odcieknięcia wody przez 30 min przed przejściem do następnego kroku. Upewnij się, że doniczki swobodnie odprowadzają wodę. Jeśli podłoże odcieka zbyt wolno (np. gęsty torf), wymieszaj je wcześniej z lekkim substratem (np. perlitem; patrz również Table 1 i Table 2), aby zapewnić szybszy drenaż.
- Po całkowitym zaprzestaniu odciekania wody, ustaw wszystkie wypełnione doniczki w centrum układu lizymetrów (w zielonych pojemnikach, które już tam się znajdują) zgodnie z planem eksperymentalnym (Figure 2A).
- Sprawdź, czy zielone pojemniki są prawidłowo dopasowane do osłony ogniwa obciążnikowego i nie stykają się ze sobą.
- W oprogramowaniu operacyjnym otwórz zakładkę Experiment i wybierz zakładkę Measure Components. Kliknij Measure object. Nazwij pomiar „1st measurement” (Supplementary Figure 1D).
- Na każdej doniczce umieść kroplowniki nawadniające, sondy i przykrywki doniczek. Przed umieszczeniem ich w doniczkach upewnij się, że przewody kroplowników wielowylotowych i kable sond są podtrzymywane przez odpowiednie statywy (przymocowane do jednostek dla każdej wagi lizymetru; Figure 1E). Upewnij się, że wszystkie kroplowniki, sondy i przykrywki są stabilnie rozmieszczone.
- Odczekaj do 3 min na wykonanie nowego pomiaru (dane są zbierane automatycznie co 3 min), a następnie otwórz zakładkę Experiment. Wybierz zakładkę Experiment i kliknij Experiment. Przypisz ten pomiar (meta-tag) do wykonanego „1st measurement” i nazwij go „Static components” (Supplementary Figure 1E). Meta-tagi stosuje się, gdy chce się zapisać wartość masy wyznaczoną poprzez odjęcie jednej zmierzonej wartości od drugiej.
- Po wprowadzeniu wszelkich niezbędnych korekt w systemie odczekaj na zapisanie nowego punktu danych (co 3 min) przed wykonaniem kolejnego pomiaru.
- Sprawdź kolumnę Static Components, aby potwierdzić, że wartości zapisane w tabeli Plants nie zawierają wartości odstających. Jeśli jakakolwiek zapisana waga jest zbyt niska lub zbyt wysoka, sprawdź, czy nie występuje zakłócenie ogniwa obciążnikowego (np. upewnij się, że nic go nie dotyka), a następnie wykonaj nowy pomiar (po tym, jak system pozostawał w bezruchu przez 3 min).
- Kliknij zakładkę Plants. Eksportuj tabelę Plants do arkusza kalkulacyjnego, dodaj średnią wagę doniczki (z kroku 4.5) do pomiaru komponentów statycznych – „Tare weight”. Zapisz i prześlij plik (zakładka import).
- Upewnij się, że wszystkie kroplowniki są bezpiecznie wciśnięte w podłoże oraz w rurę prowadzącą z kontrolera. W oprogramowaniu operacyjnym, w zakładce Experiment, wybierz Treatments Scenarios. Kliknij Create New, aby utworzyć nowy „Plan”.
- W planie wybierz pierwszy krok (w razie potrzeby utwórz nowy krok) i otwórz go. Wybierz „Test” dla Treatment oraz „Never” dla Termination. W opcjach kroku wybierz dowolny zabieg wymieniony w zakładce Irrigation Treatments powyżej Experiments (Supplementary Figure 1F; patrz również krok 4.21). Naciśnij zakładkę Apply.
- Wyeksportuj tabelę Plants do arkusza kalkulacyjnego, dodaj „Plan” do kolumny Treatment oraz „1” do kolumny Step. Zapisz i prześlij plik.
- W zakładce Irrigation Treatments wybierz zabieg „Test” i ustaw czas nawadniania na 4–5 min [dokładny czas zależy od objętościowej zawartości wody (VWC) zastosowanej gleby], aby umożliwić drenaż. Ustaw czas z 2-minutowym wyprzedzeniem i udaj się do doniczek w szklarni. Można również utworzyć inne zabiegi (szczegółowe wyjaśnienie w kroku 7.4).
- Sprawdź wizualnie, czy wszystkie kroplowniki działają i czy woda wycieka z perforowanego korka drenażowego zielonego pojemnika.
- W eksperymencie zmień zabieg nawadniania w Planie „X”, Krok 1 (patrz kroki 4.19-4.20) na pożądany zabieg nawadniania. Upewnij się, że każde nocne nawadnianie (z fertygacją; patrz Table 3 w celu sprawdzenia użytych komponentów fertygacyjnych) jest podzielone na kilka krótkich impulsów (zdarzeń) z istotnymi przerwami między nimi (co najmniej trzy zdarzenia każdej nocy), aby zapewnić osiągnięcie przez glebę pojemności polowej przed świtem.
- Pozostaw uruchomiony program nawadniania na 1 lub 2 dni, aby gleba osiągnęła pojemność polową, a następnie przejdź do następnej fazy.
5. Rozpoczęcie eksperymentu
UWAGA: Dane zebrane na tym etapie posłużą jako wartości referencyjne dla pozostałej części eksperymentu. Dlatego ważne jest, aby dokładnie przestrzegać kolejnych kroków.
- Powtórzyć kroki od 4.18 do 4.20. Alternatywnie proces można rozpocząć wczesnym rankiem, niedługo po ostatnim etapie nawadniania.
- Należy wizualnie sprawdzić, czy wszystkie doniczki są nawodnione i czy nadmiar cieczy nawadniającej wycieka przez perforowany korek spustowy zielonej kąpieli.
- Usuń zielony, nieperforowany korek (z najniższego otworu) zielonego pojemnika i pozwól wodzie całkowicie spłynąć. Następnie włóż korek z powrotem na miejsce (Rysunek 1D). W przypadku pracy nad „odpływem 0” (tj. z otwartym dolnym otworem/podłączonym pustym korkiem drenażowym w najniższym otworze), należy pominąć ten krok.
- W oprogramowaniu sterującym otwórz kartę eksperymentu i przejdź do Pomiar komponentówKliknij Pomiar obiektu oraz nazwij pomiar „Cast-pre”. Delikatnie usuń wszystkie odlewy z doniczek, a następnie odczekaj 3 min, aż zostanie zarejestrowany nowy pomiar (Rycina uzupełniająca 1D).
- Kliknij Pomiar obiektunazwij go „Cast-post” i przypisz pomiarowi meta-tag „Cast-pre”. Opcja ta automatycznie obliczy różnicę między dwiema zmierzonymi wartościami i poda wagę odważnika w celu weryfikacji czułości wagowej.
- Sprawdź wartości masy w tabeli Plants. Różnica między pomiarami „Cast-post” nie powinna przekraczać 20 lub 30 g.
- Aby zmierzyć masę wilgotnej gleby, w oprogramowaniu operacyjnym należy przejść do Pomiar komponentów przejdź do karty eksperymentu i wybierz Pomiar mokrej masy gleby opcja. Wykonaj pomiar, klikając OK po zapytaniu. Sprawdź pomiary mokrej masy gleby w tabeli Rośliny w swoim eksperymencie. Masa będzie widoczna w kolumnie „Mokra masa gleby” (Rycina uzupełniająca 1D,G).
- Jeśli niektóre z pomiarów wykazują niewłaściwe wahania, należy postąpić w następujący sposób:
- Należy upewnić się, że każda doniczka jest ustawiona prawidłowo i nie styka się z żadną z sąsiednich doniczek.
- Odłącz pierwszy kontroler znajdujący się na stole od zasilania (pozostałe kontrolery są połączone szeregowo, w związku z czym one również zostaną wyłączone) na 2 min, a następnie podłącz go ponownie.
- Ręcznie zmierz średnią masę kilku (5–10) wgłębień z medium do zalewania (z kroku 2.3) bez sadzonek (czopów glebowych). [Przed pomiarami ręcznymi należy upewnić się, że czopy glebowe są odpowiednio nawodnione (tzn. do pojemności polowej po drenażu)]. W Pomiar Komponenty zakładka, naciśnij Ustalenie masy gleby sypkiej dla sadzonki i wpisz średnią wagę (Rysunek dodatkowy 1D).
- Kliknij Pomiar początkowej masy roślinTen pierwszy pomiar stanowi punkt odniesienia przed sadzeniem (Rycina uzupełniająca 1D).
- Należy upewnić się, że siewki w tackach wielokomorowych są dobrze nawodnione (tj. do pojemności polowej po drenażu). Siewki wraz z bryłą korzeniową należy ostrożnie wyciągnąć z komór, dbając o to, aby ich nie uszkodzić, a następnie starannie umieścić w otworach wykonanych w doniczkach zgodnie z planem doświadczenia. Zaleca się przenoszenie roślin o świcie lub o zmierzchu, aby zminimalizować stres roślin (tj. zminimalizować więdnięcie).
- Odczekać 3 min. Kliknąć Pomiar początkowej masy roślin powtórz. Ten drugi pomiar stanowi początkową masę rośliny. Przypisz ten pomiar do pierwszego (punktu odniesienia) za pomocą meta-tagu. Oprogramowanie obliczy różnicę między dwoma pomiarami i odejmie masę gleby z sadzonką (Seedling Bulk-Soil Weight). Wynikiem będzie początkowa masa rośliny.
- Sprawdź wartości pomiarowe w tabeli Rośliny w eksperymencie, aby upewnić się, że mieszczą się one w rozsądnym i logicznym zakresie (Rycina uzupełniająca 1C).
- Nasyć glebę, powtarzając kroki od 4.18 do 4.20.
- Upewnij się, że wszystkie doniczki są odpowiednio drenowane. W przeciwnym razie powtórz proces nasycenia. Odczekaj 30 min do momentu ustania drenażu. (Zobacz także Tabela 1 dotyczący właściwego doboru podłoża do doniczek.)
- Pod Pomiar komponentów zakładka, kliknij Pomiar masy wody rezerwowej (Rycina uzupełniająca 1D).
- Wyeksportuj tabelę Rośliny jako arkusz kalkulacyjny, odejmij zmierzoną Początkową Wagę Rośliny oraz Wagę Sadzonki z Podłożem od pomiaru wagi zarezerwowanej wody (kolumna „Reserve Water Inventory”). Prześlij plik (Rycina uzupełniająca 1C).
- Należy potwierdzić, czy okres czasu, w którym rejestrowana będzie dobowa transpiracja, jest odpowiedni dla celów eksperymentu. Wypełnić wartości w zakładce ogólnej eksperymentu zgodnie z wymaganiami projektu (Rycina uzupełniająca 1H).
- Wprowadź godzinę zero: czas, w którym oprogramowanie sprawdzi, czy konieczne jest przejście do następnego kroku w scenariuszu leczenia.
- Wprowadź codzienne wartości transpiracji: Codzienna transpiracja jest obliczana jako różnica między dwoma przedziałami wagowymi w ciągu dnia dla wszystkich dni. Godzina rozpoczęcia codziennej transpiracji to czas, w którym oprogramowanie rozpocznie pomiar średniej masy.
- Obserwuj rośliny przez 1–2 dni przed rozpoczęciem nowego eksperymentu (powiel i zmień nazwę eksperymentu).
6. Zmiana tabeli roślin
- Wyeksportuj tabelę Plants do arkusza kalkulacyjnego i zmień tabelę zgodnie z potrzebami. Nie zmieniaj Plant IDs, Names ani Positions. Zapisz i prześlij plik.
- Kolumny etykietowania (grupowania): Aby zaprezentować lub przeanalizować (patrz Krok 8) pogrupowane rośliny na podstawie wspólnych etykiet (np. traktowanie, linia), dodaj nową kolumnę z etykietą zaczynającą się od znaku # (np. #Treatment). W tej kolumnie wprowadź oznaczenie dla każdej rośliny (np. dla etykiety „#Treatment” oznacz rośliny jako drought, control itd.; Supplementary Figure 2).
UWAGA: Przedstawiony powyżej protokół jest najbardziej zaawansowanym i kompleksowym protokołem dla tego systemu. Jednakże użytkownicy korzystający z niego po raz pierwszy mogą chcieć rozpocząć od protokołu uproszczonego (patrz Supplementary MS). Protokół uproszczony dostarcza informacji o mniejszej liczbie cech i może prowadzić do wyższego poziomu szumów. Jednocześnie jednak umożliwia on łatwiejsze zapoznanie się z najważniejszymi procedurami eksperymentalnymi, sprzętem i oprogramowaniem.
7. Przeprowadzenie eksperymentu
- Obliczyć grawimetryczną zawartość wody w glebie/zawartość wody w glebie (wartość SWC).
UWAGA: Grawimetryczna zawartość wody w glebie różni się od objętościowej zawartości wody w glebie (VWC).- Wartość SWC to stosunek suchej masy gleby do jej masy mokrej. Aby obliczyć SWC, należy wykorzystać trzy dodatkowe donice wypełnione glebą (Krok 1.3) bez roślin, które zostały wcześniej przygotowane i przez kilka dni pozostawione na bocznym stole w szklarni oraz regularnie nawadniane. Mokrą glebę należy zważyć w aluminiowej tacy wczesnym rankiem, tak szybko, jak to możliwe po ostatnim nawadnianiu.
- Wysuszyć tackę aluminiową z glebą w suszarce (w temp. 105 °Cprzez 4–5 dni. Należy potwierdzić, że gleba jest całkowicie sucha, wykonując dwa kolejne pomiary masy w odstępie co najmniej 60 min. Jeśli wartości masy są identyczne, oznacza to, że gleba jest rzeczywiście sucha, a ostatni pomiar można zapisać jako masę suchej gleby.
- W oprogramowaniu operacyjnym przejść do Pomiar składników i kliknij w Obliczanie suchej masy gleby tab. Wprowadź masę mokrą i suchą gleby dla każdej próbki, kliknij Zastosuj i Zakończ (Rycina uzupełniająca 3).
- Alternatywnie można obliczyć SWC ręcznie, korzystając z poniższego równania.
- Oblicz średnią z dwóch pomiarów SWC wykonanych ręcznie w co najmniej trzech doniczkach. Wybierz Pomiar komponentów przejdź do karty i kliknij w Obliczanie suchej masy gleby wartość θg [g/g], kliknij Zastosuj i ZakończMasa suchych próbek gleby ze wszystkich doniczek doświadczalnych zostanie obliczona automatycznie przez oprogramowanie (przy założeniu, że we wszystkich doniczkach w doświadczeniu znajduje się to samo podłoże; Rysunek uzupełniający 1D i Rycina uzupełniająca 3).
- Zastosuj zabiegi nawadniające. Scenariusze nawadniania można wprowadzić, opracowując szczegółowy plan zabiegowy krok po kroku.
- Aby sporządzić nowy plan nawadniania, należy przejść do Zabieg nawadniania, kliknij w Utwórz nowąor nazwij nową procedurę. Otwórz konkretną procedurę na liście procedur nawadniania i kliknij domyślną wartość „0:0”.
UWAGA: W oknie głównym (Rycina uzupełniająca 4A), „Time” określa czas otwarcia zaworu (tj. początek zabiegu nawadniania). „Valve” to zawór, który ma zostać otwarty (A lub B, w zależności od tego, który zawór jest podłączony do pożądanego roztworu). „Command Type” określa rodzaj danych, które zostaną wykorzystane do ustalenia momentu zamknięcia zaworu:- Czasowo – liczba sekund, przez które zawór pozostanie otwarty.
- Według wagi – przyrost masy/woda (w gramach), którą należy dodać do donicy poprzez nawadnianie.
- Według transpiracji – nawadnianie może być stosowane różnicowo dla każdej doniczki, w oparciu o transpirację każdej pojedynczej rośliny z poprzedniego dnia. Użytkownik może zdecydować, jaki procent transpiracji z dnia poprzedniego zostanie podany podczas nawadniania. (W warunkach optymalnego nawodnienia zaleca się podawanie roślinom ilości przekraczającej 10%, aby wypłukać glebę i zrekompensować wzrost roślin). Rośliny poddawane stresowi suszy powinny otrzymywać mniej wody, przy czym dokładne objętości zależą od pożądanego stopnia stresu suszy.
- Z czujników – nawadnianie może być stosowane na podstawie odczytu z czujnika, takiego jak pozorna przenikalność dielektryczna (która może być wykorzystana do wyznaczenia VWC). Wybierz typ czujnika, żądany parametr oraz żądaną wartość parametru.
- Wszystkie możliwości obejmują opcję Time Out (limit czasu), która zamknie kran nawet w przypadku nieosiągnięcia określonych warunków. Należy ustawić Time Out na okres dłuższy niż określone warunki.
- Po zdefiniowaniu zabiegów nawadniania dla eksperymentu, otwórz wybrany eksperyment na liście eksperymentów, otwórz Scenariusz leczeniaotwórz domyślne Plan i wybierz pierwszy krok (Rycina dodatkowa 4B).
- W Leczeniewybierz wariant nawadniania z listy. Następnie w Terminacjawybierz odpowiedni warunek, aby zatrzymać bieżący krok i przejść do następnego.
- Po wybraniu scenariusza nawadniania otwórz tabelę Roślin (Plants) w eksperymencie (Rycina uzupełniająca 2) i wprowadź „Treatment” (zabieg) oraz „Step” (krok) dla każdej rośliny. „Treatment” to nazwa scenariusza zabiegu, a „Step” to numer zdarzenia w ramach scenariusza zabiegu.
- Aby sporządzić nowy plan nawadniania, należy przejść do Zabieg nawadniania, kliknij w Utwórz nowąor nazwij nową procedurę. Otwórz konkretną procedurę na liście procedur nawadniania i kliknij domyślną wartość „0:0”.
- Zaprojektuj procedurę traktowania suszą.
- Każda poszczególna roślina charakteryzuje się unikalną szybkością transpiracji, zależną od jej rozmiaru oraz lokalizacji w szklarni. Aby umożliwić standardową procedurę suszy (tj. zapewnienie podobnego tempa wysychania dla wszystkich donic podczas traktowania), należy zaplanować scenariusz suszy i kontrolować go za pomocą systemowego narzędzia nawadniania zwrotnego (Rycina uzupełniająca 5).
8. Analiza danych przy użyciu oprogramowania do analizy danych
- Otwórz oprogramowanie do analizy danych (np. SPAC Analytics). Kliknij w prawym górnym rogu, aby wybrać Kontrola system i nazwa eksperymentu (Rycina uzupełniająca 6A). W kolumnie po lewej stronie ekranu wybrać Doświadczenia (Rycina uzupełniająca 6B) i wpisz nazwę eksperymentu w polu Name w sekcji Search. Nazwa eksperymentu pojawi się poniżej sekcji Search, w sekcji Experiments (Rycina uzupełniająca 6C)Kliknij eksperyment, aby otworzyć sekcje Informacje (Info) i Rośliny (Plants) (Rycina uzupełniająca 6D).
- W sekcji Info edytuj daty początkową (WUE start) i końcową (WUE end) dla okresu wynoszącego co najmniej 3 (najlepiej więcej) dni przed rozpoczęciem zabiegu suszy, a następnie kliknij AktualizacjaWUE oraz R2 wartość dla każdej doniczki pojawi się w sekcji Rośliny. Należy wykluczyć każdą skalę z ujemną wartością WUE lub R2 wartość mniejszą niż 0,5, klikając symbol „oka” w kolumnie Active, który następnie zmieni kolor na czerwony. Spowoduje to wykluczenie wybranej skali (rośliny) z wszystkich dalszych obliczeń. Dane można wyeksportować, klikając w Eksport danych przycisk w sekcji Rośliny (Rysunek uzupełniający 6D).
- W kolumnie po lewej stronie ekranu kliknij AnalizaNastępnie pojawią się różne podsekcje: podgląd wykresu (Graph viewer), histogram, test t-Studenta, ANOVA oraz krzywa liniowa kawałkami (Piecewise linear curve).
- Kliknij w Przeglądarka wykresówW ramach Filtry sekcja, ustalenie dat eksperymentu.
- Kliknij w Etykiety (patrz Krok 6), aby wybrać kombinację grup eksperymentalnych (genotyp) i zabiegów. Wszystkie doniczki w wybranej grupie pojawią się automatycznie w podsekcji Plant. W tej podsekcji można odznaczyć wybrane doniczki (rośliny), klikając na nie. Jednocześnie można wybrać maksymalnie dwa różne parametry jako „parametr Y1” i „parametr Y2”. Na koniec kliknij Wyświetl wykres (Rysunek uzupełniający 5).
- W oknie Podglądu Wykresu pojawi się wykres liniowy wartości wybranego parametru dla każdej rośliny. Można usuwać dane poszczególnych roślin lub dodawać je do wykresu, klikając odpowiednie symbole w legendzie po prawej stronie wykresu. W prawym górnym rogu znajdują się również opcje eksportu danych do arkusza kalkulacyjnego oraz powiększenia okna Podglądu Wykresu na cały ekran (funkcja pobierania tych surowych danych jest dostępna we wszystkich pozostałych oknach). Więcej opcji modyfikacji wykresu pojawi się po przesunięciu kursora w prawym górnym rogu ekranu (Rysunek uzupełniający 5).
- Moduł histogramu przedstawia rozkład pojedynczej cechy w obrębie populacji oraz pomiędzy populacjami w danym okresie czasu. Aby skorzystać z tego modułu, należy kliknąć w Histogram.
- W sekcji Filtrów ustaw datę i godzinę, parametr, etykiety oraz rośliny zgodnie z opisem w kroku 8.4.1. Wybierz wiele etykiet (grup), klikając w + symbol. Na koniec kliknij w Wyświetl wykres (Rysunek uzupełniający 7).
- Histogram pojawi się w sekcji Histogram, w której u góry ekranu znajduje się opcja zmiany parametrów „Bins” (przedziały) i „Date” (data). W prawym górnym rogu znajdują się różne opcje opisane w kroku 8.4.2. W sekcji Location Diagram (schemat rozmieszczenia) można zobaczyć rzeczywiste rozmieszczenie roślin na stole eksperymentalnym oraz odpowiadające im wartości cech (Rycina uzupełniająca 7).
- Kliknij w Test t-StudentaAby statystycznie porównać średnie dowolnej zmierzonej cechy w dwóch grupach, należy wprowadzić daty, etykiety, rośliny i parametry w sekcji „T-test Parameters”, zgodnie z wyjaśnieniami w kroku 8.4.1.
- Ustaw zakres godzin, aby obliczyć średnie wartości punktów danych w interesującym przedziale czasowym (domyślnie jest to ciągła prezentacja 24-godzinna). Na koniec kliknij Pokaż wykres (Rycina uzupełniająca 8).
- Po prawej stronie ekranu pojawią się dwa okna. Górne to sekcja Wyświetlacz Wykresów (Graph Viewer) dla wszystkich roślin wybranych z obu grup. Poniżej tego okna znajduje się sekcja Test t-Studenta (T-test), w której pojawi się porównanie dwóch grup jako t-test wybranego parametru fizjologicznego. Poziomy istotności można dostosować, zmieniając wartość α w lewym górnym rogu sekcji testu t. Pod wartościami istotnie różnymi pojawi się czerwona kropka. W prawym górnym rogu znajdują się różne opcje wyświetlania, opisane w kroku 8.4.2 (Rycina uzupełniająca 8).
- Kliknij w Analiza wariancji (ANOVA)Aby statystycznie porównać średnie dowolnej mierzonej cechy w więcej niż dwóch grupach, należy wprowadzić daty, etykiety, rośliny i parametry w sekcji „Filters”, zgodnie z wyjaśnieniami w kroku 8.5.1.
- Wybierz wiele etykiet (grup), klikając w + symbol (podobnie jak w kroku 8.5). Ustaw zakres godzin. Na koniec kliknij „SHOW GRAPH” (Rysunek uzupełniający 9).
- W sekcji ANOVA należy przeprowadzić test ANOVA (test Tukeya HSD), aby porównać parametry fizjologiczne różnych grup. Słupki przedstawiają błędy standardowe (±SE). W prawym górnym rogu ekranu znajdują się różne opcje opisane w kroku 8.4.2. Kliknij wykres liniowy, aby wyświetlić porównanie na wykresie słupkowym dla konkretnego dnia. Różne litery oznaczają grupy, które różnią się od siebie istotnie statystycznie (Rycina uzupełniająca 9A).
- Przedstawienie zależności między kinetyką transpiracji całej rośliny lub przewodnością szparkową a VWC jest dokładniejszym sposobem porównywania odpowiedzi fizjologicznych różnych roślin na suszę niż podejście oparte na czasie. Przedstaw tę zależność, korzystając z funkcji „Piece-wise Linear Curve” (krzywa liniowa odcinkowa).
- Kliknij Krzywa liniowa odcinkowaWprowadź daty, etykiety, rośliny i parametry (zarówno dla osi X, jak i osi Y), a następnie ustaw zakres godzin w sekcji „Filtry”, zgodnie z powyższym opisem.
UWAGA: Data „od” powinna być jak najbliższa dacie rozpoczęcia leczenia. - Ustaw parametr osi X na VWC, a parametr osi Y na wybrany parametr fizjologiczny (np. tempo transpiracji, przewodność szparkową itp.). Na koniec kliknij Pokaż wykresW sekcji „Filtr” kliknij Wybierz wszystkie zalecenia a następnie kliknij w Wyświetl wykres (Rycina uzupełniająca 10).
UWAGA: Inne parametry fizjologiczne (np. znormalizowana transpiracja, szybkość transpiracji, początkowa masa rośliny, przewodnictwo szparkowe, strumień korzeniowy itp.) oraz parametry środowiskowe (np. temperatura, wilgotność względna itp.) są łatwo dostępne za pomocą oprogramowania SPAC (np. Rycina uzupełniająca 9C)W celu uzyskania szerszych informacji na temat teoretycznych podstaw przeprowadzonych obliczeń prosimy o zapoznanie się z publikacją Halperin et al. (2017).
- Kliknij Krzywa liniowa odcinkowaWprowadź daty, etykiety, rośliny i parametry (zarówno dla osi X, jak i osi Y), a następnie ustaw zakres godzin w sekcji „Filtry”, zgodnie z powyższym opisem.
Wyniki
Czas trwania eksperymentu wynosił 29 dni. Eksperyment przeprowadzono w sierpniu, kiedy lokalna pogoda jest ciepła i stabilna, a dni są długie. Zastosowano dwa różne scenariusze nawadniania, aby wykazać możliwości platformy fenotypowej w porównywaniu zachowania fizjologicznego trzech różnych odmian ryżu (tj. Indica, Karla i Risotto) w warunkach stresu suszowego. Zastosowano dwa warianty stresu suszowego: (i) nawadnianie optymalne [do momentu, gdy każda doniczka osiągnęła swoją pojemność w nocy po nawadnianiu (kontrola)] oraz (ii) suszę, która rozpoczęła się 5 dni po starcie eksperymentu, trwała 14 dni, a następnie następował 10-dniowy okres regeneracji (nawadnianie optymalne, dni 19–29). Dla uproszczenia na przedstawionych tutaj rysunkach nie ukazano wszystkich odmian i grup. Wyniki wykazały, że telemetryczny system HTP może efektywnie mierzyć zmiany w warunkach atmosferycznych, glebie oraz fizjologii roślin.
Warunki środowiskowe
Warunki środowiskowe [promieniowanie aktywny fotosyntetycznie (PAR) oraz deficyt ciśnienia pary (VPD)] były monitorowane przez cały czas trwania eksperymentu za pomocą sondy atmosferycznej. Zebrane dane wskazują, że PAR i VPD pozostawały na podobnym poziomie w różnych dniach oraz w ciągu dnia (Rysunek 4).
VWC w donicach poddanych stresowi suszy mierzono za pomocą sond glebowych przez cały okres doświadczenia. Dane VWC zebrane dla jednej rośliny cv. Indica poddanej suszy przedstawiono na Rysunku 5.
Parametry fizjologiczne
Doba transpiration stopniowo wzrastała we wszystkich czterech wariantach (Karla-kontrolny, Karla-susza, Risotto-kontrolny i Risotto-susza) podczas pierwszej fazy eksperymentu, w trakcie której wszystkie rośliny były należycie nawodnione. Następnie w dwóch wariantach z ograniczoną dostępnością wody odnotowano spadek transpiracji związany z okresem suszy (od 5. do 18. dnia). W dalszej kolejności, podczas okresu regeneracji (od 18. dnia wzwyż), dobową transpiracja ponownie wzrosła w dwóch grupach poddanych suszy, lecz osiągnęła znacznie niższy poziom niż ten zaobserwowany przed zastosowaniem zabiegu suszy (Supplementary Figure 9B).
Średnia obliczona masa roślin (tj. tempo przyrostu masy roślin) wzrastała konsekwentnie zarówno w grupie kontrolnej Karla-control, jak i w grupie poddanej suszy Karla-drought podczas pierwszego etapu eksperymentu, kiedy wszystkie rośliny otrzymywały podobne nawadnianie (dni 1–5). Po zastosowaniu zabiegu suszy u roślin cv. Karla (dni 5–18), rośliny te przestały zwiększać swoją masę i nie odzyskały zdolności do przyrostu aż do etapu regeneracji. W tym momencie nastąpił wzrost masy, który przebiegał wolniej niż w grupie kontrolnej. W przeciwieństwie do nich, masa roślin Karla-control zwiększała się nieprzerwanie przez cały okres eksperymentu (Rysunek 6).
Rysunek 1: Komponenty i konfiguracja systemu fenotypowania grawimetrycznego.
(A) Lizymetr wagowy. Lizymetr składa się z ogniwa obciążeniowego, który przekształca obciążenie mechaniczne obiektu w ładunek elektryczny, oraz metalowej platformy pokrywającej górną i dolną część ogniwa, co umożliwia prawidłowy pomiar masy obiektu. (BLizymetr zostaje przykryty blokiem polistyrenowym i plastikową osłoną w celu izolacji cieplnej.C) Elementy skali. Zbiornik na wodę (zielny pojemnik) jest umieszczony na pokrywie lizymetru w celu zbierania cieczy odpływającej z donicy. Zielony pojemnik jest połączony z zieloną pokrywą, która posiada duży okrągły otwór, przez który wprowadzana jest donica. Do jednej strony zielonej pokrywy przymocowano czarną gumową uszczelkę, a do drugiej przymocowano donicę, aby zminimalizować stratę wody w wyniku odparowania z pojemnika. Zielona pokrywa posiada dwa otwory pobiercze (mały i duży) nad przedłużeniem odpływowym, które są zamknięte gumowymi korkami. (D) Korki. Pojemnik posiada przedłużenie odpływowe z czterema otworami (z korkami) na różnych wysokościach, które mogą być wykorzystane do regulacji poziomu wody w pojemniku po ustaniu odpływu przez konkretny otwór (objętość wody rezerwowej). Pożądana objętość wody będzie zależeć od gatunku rośliny, rodzaju zastosowanego podłoża oraz zapotrzebowania roślin na wodę (tj. szacowanej dobowej objętości transpiracji). (EJednostka sterująca składa się z zielonego prostokątnego pudełka, w którym znajdują się kontroler elektroniczny oraz zawory elektromagnetyczne. Znajdują się w nim otwory, przez które roztwór do fertygacji może wpływać do donic i z nich wypływać, a także gniazda do podłączenia ogniwa pomiarowego i różnych czujników. Poprzez roztwór do fertygacji można stosować różne zabiegi, takie jak różne poziomy zasolenia lub odmienne składy mineralne. Do kontrolera przymocowany jest metalny stojak, który służy do podtrzymywania rur i kabli, aby zapobiec ich dotykaniu donic oraz wywieraniu przez nie nacisku.. Pozostałe wymagane komponenty to (F) sondy glebowe (np. czujniki wilgotności, temperatury i przewodności elektrycznej EC – 5TE), opcjonalnie (G) kroplowniki wielowylotowe (do zastosowań w fertygacji i/lub traktowaniu) oraz (H) sondy atmosferyczne [do pomiaru deficytu ciśnienia pary (VPD) i promieniowania]. (I) W pełni wyposażona pojedyncza macierz. (J) W pełni wyposażony układ w szklarni; żółte strzałki wskazują sondy atmosferyczne, które umożliwiają normalizację przewodności szparkowej na podstawie lokalnych warunków atmosferycznych. Aby wyświetlić powiększoną wersję tej ryciny, kliknij tutaj.
Rysunek 2: Części wymagane do przygotowania pojedynczego zestawu.
(A–CWymagane są następujące elementy: jedna donica o pojemności 4 l, jedna donica o pojemności 4 l bez dna, służąca jako uchwyt do siatki, jeden okrągły kawałek siatki nylonowej (rozmiar oczek = 60 mesh) o średnicy dwukrotnie większej od średnicy dna donicy, jedna pokrywa z wyznaczonymi otworami dla rośliny i kroplowników nawadniających, jeden biały pręt z włókna szklanego o długości 60 cm (tyczka) oraz jedna czarna uszczelka pierścieniowa.D) Przykład planu rozmieszczenia na stole, w którym doniczki zostały rozmieszczone losowo. W szklarni każdy stół posiadał od 1 do 18 kolumn i cztery rzędy, tutaj wykorzystano 24 pozycje. Niemniej jednak strukturę układu można łatwo dostosować do dowolnego kształtu w zależności od wielkości własnej szklarni. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ilustracji.
Rysunek 3: Ustawienie doniczek.
(A) Rośliny rosnące w tackach wielokomorowych. (Przedstawione tutaj siewki pomidora są jedynie przykładem; w ten sam sposób można hodować wiele innych gatunków roślin). (B) Odlewy z form do (C) tworzenie w podłożu doniczkowym zagłębień, które będą (D) ściśle pasować do brył korzeniowych sadzonek w podłożu, aby zapewnić pomyślne przesadzanie (E) sadzonek do doniczek. Kliknij tutaj, aby wyświetlić powiększoną wersję tej figury.
Rycina 4: Warunki atmosferyczne w trakcie trwania eksperymentu.
Oś y po prawej stronie przedstawia dobowy deficyt ciśnienia pary (VPD), a oś y po lewej stronie przedstawia promieniowanie aktywne dla fotosyntezy (PAR) w ciągu 29 kolejnych dni eksperymentu. Wykres ten został opracowany przy użyciu oprogramowania Data Analysis. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rycina 5: Objętościowa zawartość wody (VWC) mierzona sondą glebową w czasie trwania eksperymentu.
Dane przedstawiają wartości VWC dla jednej rośliny odmiany Indica, która była poddana działaniu suszy przez cały okres eksperymentu, wliczając fazę regeneracji. Wykres ten został przygotowany przy użyciu oprogramowania Data Analysis. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 6: Masa całej rośliny (średnie ± SE) w całym okresie eksperymentalnym dla odmiany Karla w warunkach dobrego nawadniania (kontrola) oraz suszy.
Grupy porównano za pomocą analizy wariancji ANOVA (test Tukeya HSD; p < 0,05). Każda średnia ± SE reprezentuje co najmniej cztery rośliny. Wykres oraz analiza statystyczna zostały przygotowane przy użyciu oprogramowania Data Analysis. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.
Rycina uzupełniająca 1: Okna oprogramowania operacyjnego służące do konfiguracji eksperymentu. Kliknij tutaj, aby pobrać tę figurę.
Rysunek uzupełniający 2: Tabela „Plants” w formie arkusza kalkulacyjnego; Oprogramowanie operacyjne. Aby pobrać ten rysunek, kliknij tutaj.
Rycina uzupełniająca 3: Okno oprogramowania do obliczania suchej masy gleby; Oprogramowanie operacyjne. Kliknij tutaj, aby pobrać tę rycinę.
Rycina uzupełniająca 4: Okno oprogramowania do konfiguracji zabiegu nawadniania; Oprogramowanie sterujące. Kliknij tutaj, aby pobrać tę figurę.
Rycina uzupełniająca 5: Okno przeglądarki wykresów analizy danych. W naszym eksperymencie wykorzystaliśmy trzy odmiany ryżu (tj. Indica, Karla i Risotto) oraz dwa różne scenariusze nawadniania: dobrze nawodnione (kontrolne) i suszę. Surowe dane wykazały zmienność masy roślin w trakcie trwania eksperymentu. Każda linia reprezentuje jedną roślinę/doniczkę. W ciągu dnia rośliny transpirowały, przez co system tracił na masie, co widać po nachyleniu krzywych dobowych. Doniczki były nawadniane każdej nocy do pełnej pojemności, co przedstawiono jako szczyty na krzywych. Po zdarzeniu nawadniania następował drenaż nadmiaru wody po wysyceniu podłoża w doniczce. Początkowo wszystkie rośliny były dobrze nawodnione (kontrola). Od 7 sierpnia 2018 r. połowa roślin została poddana zabiegowi suszy. W tym samym czasie pozostałe rośliny nadal otrzymywały optymalne nawadnianie. Różnicową regenerację osiągnięto poprzez przywrócenie nawadniania roślinom poddanym suszy, począwszy od 20 sierpnia 2018 r. (aby każda roślina doświadczyła podobnego stopnia stresu) i kontynuując to do końca eksperymentu. Kliknij tutaj, aby pobrać tę rycinę.
Narzędzie nawadniania z pętlą sprzężenia zwrotnego w systemie umożliwia użytkownikowi projektowanie programów nawadniania dla każdej pojedynczej doniczki w oparciu o czas, wagę doniczki, dane z czujnika glebowego (np. VWC) lub transpirację rośliny z poprzedniego dnia. Każda roślina może być nawadniana indywidualnie w sposób spersonalizowany, dostosowany do jej wydajności. Takie zróżnicowane nawadnianie minimalizuje różnice w zawartości wody w glebie między roślinami, dzięki czemu wszystkie rośliny są poddawane kontrolowanej suszy, niezależnie od ich indywidualnego zapotrzebowania na wodę.
Rycina uzupełniająca 6: Okno analizy danych służące do przeprowadzania analizy danych. Kliknij tutaj, aby pobrać tę rycinę.
Rysunek uzupełniający 7: Okno histogramu analizy danych. Rysunek ten przedstawia graficzną reprezentację rozkładu wartości dziennej transpiracji w trzech różnych odmianach ryżu (tj. Indica, Karla i Risotto) w warunkach dobrego nawadniania (kontrola). Dolny schemat przedstawia wizualizację mapą ciepła dziennej transpiracji roślin w zależności od fizycznego rozmieszczenia doniczek na stole. Kliknij tutaj, aby pobrać ten rysunek.
Rycina uzupełniająca 8: Okno testu t analizy danych. Linie przedstawiają różnice w dobowej transpiracji (podstawowa i istotna cecha fizjologiczna) między dwiema odmianami ryżu (tj. Karla i Risotto) w warunkach dobrego nawodnienia (kontrola). Okno pokazuje dobową transpirację poszczególnych roślin (u góry po prawej) oraz porównanie średnich ± SE każdej grupy przeprowadzone za pomocą testu t Student’a (u dołu po prawej). Analiza statystyczna została wykonana automatycznie przez oprogramowanie. Czerwone kropki reprezentują istotne różnice między wariantami zgodnie z testami t Student’a; p < 0,05. Kliknij tutaj, aby pobrać tę rycinę.
Rysunek uzupełniający 9: Okno analizy danych ANOVA. (A) Graficzna reprezentacja różnic w dobowej transpiracji między dwiema odmianami ryżu (tj. Karla i Risotto) w warunkach dobrego nawodnienia (kontrola) oraz w warunkach suszy w całym okresie eksperymentalnym. Zabieg suszy rozpoczęto 5 dni po starcie eksperymentu. Kliknięcie dowolnego dnia wyświetli (B) porównanie grup z wykorzystaniem analizy ANOVA (test Tukeya HSD; p < 0,05), tutaj dla dnia 12 sierpnia. Każda wartość średnia ± SE reprezentuje co najmniej cztery rośliny. Te same grupy mogą być również przedstawione jako (C) ciągłe tempo transpiracji całej rośliny (średnie ± SE) w całym okresie eksperymentalnym. Wykresy i analiza statystyczna zostały przygotowane za pomocą oprogramowania do analizy danych. Kliknij tutaj, aby pobrać ten rysunek.
Rycina uzupełniająca 10: Okno analizy danych dla krzywych liniowych odcinkowych. To okno przedstawia krzywe liniowe odcinkowe trzech odmian ryżu (tj. Indica, Karla i Risotto) w warunkach suszy. Oprogramowanie umożliwia przeprowadzenie analizy dopasowania liniowego odcinkowego dla zależności między dowolnym parametrem fizjologicznym (tutaj: dobową transpiracją) a obliczoną objętościową zawartością wody (VWC) w roślinach poddanych działaniu suszy. Kliknij tutaj, aby pobrać tę figurę.
Materiały uzupełniające. Prosimy kliknąć tutaj, aby pobrać te materiały.
| Pożywka | Opis | |
| Piasek gruboziarenisty | Piasek kwarcowy 20-30 (sitna górne i dolne, przez które przesypano piasek: odpowiednio 0,841 i 0,595 mm) | |
| Piasek drobny | Piasek kwarcowy 75-90 (górne i dolne sita, przez które przesiano piasek: odpowiednio 0,291 i 0,163 mm) | |
| Podłoże na bazie torfu | Klasmann 686 | |
| Gleba gliniasto-piaszczysta (gleba naturalna) | Gleba piaszczysto-gliniasta pobrana z górnej warstwy działki na farmie doświadczalnej Wydziału Rolnictwa, Żywności i Środowiska w Rehovot w Izraelu | |
| Wermikulit | Wermikulit 3G | |
| Perlit | Perlit 212 (Zakres wielkości: 0,5-2,5 mm) | |
| Kompost | Ziemia doniczkowa Bental 1 | |
| Porowate, ceramiczne podłoże o małych rozmiarach | Profil porowatej ceramiki 20-50 (górne i dolne sita, przez które przesiewano zmieloną ceramikę: odpowiednio 0,841 i 0,297 mm) | |
| Porowate, ceramiczne podłoże o mieszanym rozmiarze ziaren | Profil porowatej ceramiki 50% sito 20-50 i 50% sito 20-6, 0,841–3,36 mm | |
Tabela 1: Podłoża do doniczkowania.
| Typ podłoża glebowego / Parametry | Piasek gruby | Piasek drobny | Gleba gliniasta | Perlit | Wermikulit | Ceramika porowata o mieszanym rozmiarze | Ceramika porowata o małym rozmiarze | Podłoże na bazie torfu | Kompost |
| Całkowita ilość wody (TW, ml) | 860 ± 7.2 (F) | 83.1 ± 24 (F) | 1076.3 ± 35.9 (E) | 119.9 ± 8.5 (E) | 1286 ± 2.4 (D) | 1503.6 ± 15.4 (C) | 1713 ± 25.9 (B) | 174.3 ± 8.2 (B) | 2089.6 ± 61.6 (A) |
| Objętościowa zawartość wody (VWC, ml3/ml3) | 0.26 (F) | 0.27 (F) | 0.3 (E) | 0.35 (E) | 0.4 (D) | 0.46 (C) | 0.53 (B) | 0.54 (B) | 0.65 (A) |
| Gęstość objętościowa (BD, g/cm3) | 1.7 (A) | 1.6 (B) | 1.5(C) | 0.1 (H) | 0.2 (F) | 0.8 (D) | 0.7 (E) | 0.2 (G) | 0.1 (G) |
| Stabilność masy gleby (SWS, g/d) | ±2.3 ± 0.3 (B) | ±4.3 ± 0.3 (B) | ±2.9 ± 0.9 (B) | ±14.9 ± 0.7 (A) | ±7.6 ± 2.8 (B) | ±1.3 ± 0.1 (B) | ±1.9 ± 0.4 (B) | ±6.7 ± 0.8 (B) | ±4.3 ± 1.2 (B) |
| Stabilność masy gleby z rezerwą wody w kąpieli (g/dobę; patrz Sekcja 6.14) | 3 ± 0.4 (B) | 3.3 ± 0.4 (B) | 3.2 ± 1.2 (B) | 6.3 ± 0.5 (A) | 2.7 ± 0.8 (B) | 1.6 ± 0.3 (B) | 1.9 ± 0.3 (B) | 10.6 ± 3 (A) | 1.5 ± 0.3 (B) |
| Grawimetryczna zawartość wilgoci przy pojemności doniczki (SWC; patrz Sekcja 8.2) | 0.18 (G) | 0.23 (G) | 0.23 (G) | 3.79 (C) | 3.0 (D) | 0.74 (F) | 0.9 (E) | 4.25 (B) | 6.13 (A) |
| Względna zdolność drenażowa | Doskonała | Średnia | Średnio-niska | Doskonała | Doskonała | Doskonała | Doskonała | Niska | Średnia |
| Względny czas osiągnięcia pojemności doniczki | Szybki | Szybki | Szybki | Wolny | Wolny | Szybki | Szybki | Wolny | Wolny |
| Względna pojemność wymiany kationowej (CEC) | Niska | Niska | Niska | Niska | Wysoka | Wysoka | Wysoka | Wysoka | Wysoka |
| Kompatybilność z: | |||||||||
| Przemywanie korzeni (na koniec eksperymentu) | ++ | ++ | + | ++ | + | ++ | ++ | - | - |
| Zastosowanie składników odżywczych/biostymulatorów | ++ | ++ | - | ++ | + | + | + | - | - |
| Zabiegi zasolone | ++ | ++ | + | ++ | + | ++ | ++ | + | - |
| Precyzyjny pomiar tempa wzrostu | ++ | ++ | + | -,+ | + | ++ | +++ | + | + |
| Fizyczna regeneracja struktury gleby po suszy | +++ | +++ | ++ | + | - | +++ | +++ | -,+ | - |
| * Całkowita ilość wody (TW, ml) = mokra masa gleby (przy pojemności doniczki) – sucha masa gleby. Objętościowa zawartość wody (VWC) = TW/objętość gleby. | |||||||||
| Gęstość objętościowa (BD) = sucha masa gleby/objętość gleby. Stabilność masy gleby (SWS) = średnia zmiana mokrej masy gleby w ciągu 4 kolejnych dni (średnia przy pojemności doniczki, bez rośliny po ostatnim podlewaniu). | |||||||||
| Grawimetryczna zawartość wilgoci przy pojemności doniczki (SWC); w celu obliczeń patrz Sekcja 7.2. | |||||||||
Tabela 2: Ogólna charakterystyka 9 różnych podłoży do doniczek i ich kompatybilność z platformą grawimetryczną. Pomiary wykonano przy użyciu doniczek o pojemności 4 L wypełnionych 3,2 L podłoża przy pojemności polowej (pojemności doniczki). Dane przedstawiono jako średnie ± SE. Różne litery w kolumnach wskazują na istotne różnice między podłożami zgodnie z testem Tukey's HSD (P < 0,05; 3 ≤ n ≤ 5).
| Elementy fertygacji | Stężenie końcowe (ppm) | Stężenie końcowe (mM) |
| NaNO3 | 195.8 | 2.3 |
| H3PO4 | 209 | 0.000969 |
| KNO3 | 271.4 | 2.685 |
| MgSO₄4 | 75 | 0.623 |
| ZnSO₄4 | 0.748 | 0.0025 |
| CuSO₄4 | 0.496 | 0.00198 |
| MoO3 | 0.131 | 0.00081 |
| MnSO₄4 | 3.441 | 0.0154 |
| Boraks | 0.3 | 0.00078 |
| C10H12N2NaFeO8 (Fe) | 8.66 | 0.0204 |
| Wartość pH końcowego roztworu nawadniającego z emitera (po rozcieńczeniu wodą z kranu) wahała się od 6,5 do 7. | ||
Tabela 3: Składniki fertygacji.
Dyskusja
Luka w wiedzy na temat genotypu i fenotypu odzwierciedla złożoność interakcji genotyp x środowisko (przegląd18,24). Możliwe jest wypełnienie tej luki dzięki zastosowaniu wysokorozdzielczych, telemetrycznych platform diagnostycznych i fenotypowych do diagnostyki HTP, które można wykorzystać do badania wydajności fizjologicznej całej rośliny i kinetyki stosunków wodnych 8,9. Złożoność interakcji genotypu i środowiska sprawia, że fenotypowanie jest wyzwaniem, szczególnie w świetle tego, jak szybko rośliny reagują na zmieniające się środowisko. Chociaż obecnie dostępne są różne systemy fenotypowania, większość z nich opiera się na teledetekcji i zaawansowanych technikach obrazowania. Chociaż systemy te zapewniają jednoczesne pomiary, do pewnego stopnia ich pomiary ograniczają się do morfologicznych i pośrednich cech fizjologicznych25. Cechy fizjologiczne są bardzo ważne w kontekście reagowania lub wrażliwości na warunki środowiskowe26. Dlatego bezpośrednie pomiary wykonywane w sposób ciągły i jednocześnie w bardzo wysokiej rozdzielczości (np. w odstępach 3-minutowych) mogą dostarczyć bardzo dokładnego opisu fizjologicznego zachowania rośliny. Pomimo tych istotnych zalet systemu grawimetrycznego, należy również wziąć pod uwagę fakt, że system ten ma pewne potencjalne wady. Główne wady wynikają z konieczności pracy z doniczkami i w warunkach szklarniowych, co może stanowić poważne wyzwanie dla regulacji leczenia (w szczególności regulacji zabiegów suszy) i powtarzalności doświadczalnej.
Aby rozwiązać te problemy, należy ustandaryzować stosowane naprężenia, stworzyć prawdziwie losową strukturę eksperymentalną, zminimalizować efekty doniczkowe i porównać wiele dynamicznych zachowań roślin w zmieniających się warunkach środowiskowych w krótkim czasie. Podejście HTP-telemetrycznego fenotypowania funkcjonalnego opisane w tym artykule rozwiązuje te problemy, jak zauważono poniżej.
Aby skorelować dynamiczną reakcję zakładu z jego dynamicznym środowiskiem i uchwycić pełny, całościowy obraz złożonych interakcji między rośliną a środowiskiem, zarówno warunki środowiskowe (rysunek 4), jak i reakcje rośliny (rysunek uzupełniający 9B) muszą być mierzone w sposób ciągły. Metoda ta umożliwia pomiar zmian fizycznych w podłożu doniczkowym i atmosferze w sposób ciągły i jednoczesny, wraz z cechami rośliny (kontinuum gleba-roślina-atmosfera, SPAC).
Aby jak najlepiej przewidzieć, jak rośliny będą zachowywać się na polu, ważne jest, aby przeprowadzić proces fenotypowania w warunkach, które są jak najbardziej zbliżone do warunków panujących na polu18. Eksperymenty przeprowadzamy w szklarni w częściowo kontrolowanych warunkach, aby w jak największym stopniu naśladować warunki polowe. Jednym z najważniejszych warunków jest podłoże do uprawy lub doniczki. Wybór najbardziej odpowiedniego podłoża doniczkowego do eksperymentu z systemem grawimetrycznym ma kluczowe znaczenie. Wskazane jest, aby wybrać podłoże glebowe, które szybko spływa, pozwala na szybkie osiągnięcie pojemności doniczki i ma bardzo stabilną pojemność doniczki, ponieważ te cechy pozwalają na dokładniejsze pomiary przez system grawimetryczny. Ponadto należy również wziąć pod uwagę różne metody leczenia, które mają być zastosowane w eksperymencie. Na przykład zabiegi z użyciem soli, nawozów lub chemikaliów wymagają użycia obojętnego podłoża doniczkowego, najlepiej o niskiej zdolności wymiany kationów. Zabiegi suszy stosowane w przypadku gatunków roślin o niskiej transpiracji najlepiej sprawdziłyby się w przypadku podłoża doniczkowego o stosunkowo niskim poziomie VWC. W przeciwieństwie do tego, powolne zabiegi suszy stosowane w przypadku roślin o wysokiej transpiracji najlepiej sprawdziłyby się w przypadku podłoży doniczkowych o stosunkowo wysokim poziomie VWC. Jeśli korzenie są wymagane do analizy poeksperymentalnej (np. morfologia korzeni, sucha masa itp.), zastosowanie podłoża o stosunkowo niskiej zawartości materii organicznej (tj. piasku, porowatej ceramiki lub perlitu) ułatwi mycie korzeni bez ich uszkadzania. W przypadku eksperymentów, które będą kontynuowane przez dłuższy czas, zaleca się unikanie pożywek bogatych w materię organiczną, ponieważ materia organiczna może się rozkładać z czasem. Bardziej szczegółowe informacje na ten temat znajdują się w Tabelach 1 i Tabelach 2 .
Fenotypowanie polowe i fenotypowanie szklarniowe (pre-field) mają swoje własne cele i wymagają różnych konfiguracji eksperymentalnych. Fenotypowanie przed polowaniem pomaga w wyborze obiecujących genotypów kandydujących, które z dużym prawdopodobieństwem dobrze sobie poradzą w terenie, dzięki czemu badania terenowe są bardziej ukierunkowane i opłacalne. Jednak fenotypowanie przed polem wiąże się z szeregiem ograniczeń (np. efektów doniczkowych), które mogą powodować, że rośliny zachowują się inaczej niż w warunkach polowych18,27. Mały rozmiar doniczki, utrata wody przez parowanie i podgrzewanie skali lizymetrycznej to przykłady czynników w eksperymentach szklarniowych, które mogą prowadzić do efektów doniczkowych18. Opisana tutaj metoda ma na celu zminimalizowanie tych potencjalnych skutków w następujący sposób:
a) Wielkość doniczki dobiera się na podstawie genotypu, który ma być badany. System jest w stanie obsługiwać różne rozmiary doniczek (do 25 l) i zabiegi nawadniające, co umożliwia badanie każdego rodzaju roślin uprawnych.
b) Garnki i wagi lizymetryczne są izolowane, aby zapobiec przenoszeniu ciepła i jakiemukolwiek nagrzewaniu się doniczek.
(c) System ten obejmuje starannie zaprojektowany system nawadniania i odwadniania.
(d) Dla każdej doniczki istnieje oddzielny kontroler, aby umożliwić prawdziwą randomizację z zabiegami samonawadniania i samokontroli.
(e) Oprogramowanie uwzględnia lokalną VPD roślin przy obliczaniu przewodności szparkowej baldachimu. Proszę zapoznać się z lokalizacją wielu stacji VPD na rysunku 1J.
System ten obejmuje bezpośrednie pomiary fizjologiczne w zagęszczeniu roślin podobnym do polowego, co eliminuje potrzebę stosowania dużych przestrzeni między roślinami lub przenoszenia roślin w celu fenotypowania opartego na obrazie. System ten obejmuje analizę danych w czasie rzeczywistym, a także możliwość dokładnego wykrywania fizjologicznego punktu stresu (θ) każdej rośliny. Dzięki temu badacz może monitorować rośliny i podejmować decyzje dotyczące sposobu przeprowadzenia eksperymentu i sposobu pobierania próbek w trakcie eksperymentu. Łatwa i prosta kalibracja wzorców masy w systemie ułatwia wydajną kalibrację. Systemy o wysokiej przepustowości generują ogromne ilości danych, co stanowi dodatkowe wyzwania związane z obsługą danych i analizą11,12. Analiza dużych zbiorów danych w czasie rzeczywistym, które są bezpośrednio wprowadzane do oprogramowania ze sterownika, jest ważnym krokiem w przekształcaniu danych w wiedzę14, która ma wielką wartość dla praktycznego podejmowania decyzji.
Ta telemetryczna metoda fenotypowania fizjologicznego HTP może być pomocna w przeprowadzaniu eksperymentów szklarniowych w warunkach zbliżonych do pola. System jest w stanie mierzyć i bezpośrednio obliczać fizjologiczne reakcje roślin na ich dynamiczne środowisko związane z wodą, jednocześnie skutecznie pokonując większość problemów związanych z efektem doniczki. Możliwości tego systemu są niezwykle ważne na etapie fenotypowania przed polem, ponieważ dają możliwość przewidywania strat plonów we wczesnych fazach wzrostu roślin.
Oświadczenia
Autorzy nie mają nic do ujawnienia.
Podziękowania
Ta praca była wspierana przez wspólny program badawczy ISF-NSFC (grant nr 2436/18) i była również częściowo wspierana przez izraelskie Ministerstwo Rolnictwa i Rozwoju Wsi (Eugene Kandel Knowledge Centers) jako część Root of the Matter - The Root Zone Knowledge Center for Leveraging Modern Agriculture.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Sondy atmosferyczne | SpectrumTech/Meter grupa | 3686WD | Watchdog 2475 |
| 40027 | |||
| Randomizator tablicy | Brak Oprogramowanie | "Array Randomizer" może być używane do tworzenia eksperymentalnego projektu losowego projektu blokowego lub w pełni losowego projektu. Został opracowany w celu lepszej kontroli nad losowym rozkładem próbek eksperymentalnych (roślin) w celu normalizacji mikrozmienności atmosfery wewnątrz szklarni. | |
| Bezpłatne pobieranie i więcej informacji można znaleźć pod następującym linkiem: https://drive.google.com/open?id=1y4QbTpxRK5Lx430xzu1RFdrlcL8pz_1q | |||
| Tace wnękowe | Rozmiar duński z zakrzywionym brzegiem do szkółki | 30162 | 4X4X7 Komórka, 84 ogniwa na tacę https://desch.nl/en/products/seed_propagation_trays/danish-size-with-curved-rim-for-nursery~p92 |
| Piasek gruboziarnisty | Negev Industrial Minerals Ltd., Izrael | ||
| Kompost Tuff Marom Golan, Izrael | |||
| Oprogramowanie do analizy danych | Plant-Ditech Ltd., Izrael | Analityka SPAC | |
| Kroplowniki | Netafim | 21500-001520 | PCJ 8L/h |
| Drobny piasek | Negev Industrial Minerals Ltd., Izrael | ||
| Gleba gliniasta (gleba naturalna) | |||
| Siatka nylonowa | Nie dotyczy (produkty generyczne) | ||
| Oprogramowanie operacyjne | Plant-Ditech Ltd., Izrael | Sterowanie ze sprzężeniem zwrotnym Plantarray (PFC) | |
| Grunt torfowy | Klasmann-Deilmann GmbH, Niemcy | ||
| Perlit | Agrekal , Izrael | ||
| System Plantarray 3.0 | Plant-Ditech Ltd., Izrael | SCA400s | Lizymetry wagowe |
| PLA300S | Pojemnik na sadzarkę | ||
| Jednostka sterująca | CON100 | ||
| część zestawu sadzarki | Kij z włókna szklanego | ||
| część zestawu sadzarki | Pierścień uszczelniający | ||
| Oprogramowanie operacyjne | |||
| Oprogramowanie SPAC Analytics | |||
| Porowaty, ceramiczny, średniej wielkości | Greens Grade, PROFILE Products LLC., USA& | nbsp; | |
| Porowaty, ceramiczny, mały średniej | klasy Greens, PROFILE Products LLC., USA& | nbsp; | |
| Doniczki | Nie dotyczy (produkty generyczne) | ||
| Gleba | Bental 11 firmy Tuff Marom Golan | ||
| Mierniki z sondami glebowymi | grupa | 40567 | 5TE& |
| nbsp; | 40636 | 5TM& | |
| nbsp; | 40478 | GS3 | |
| Wermikulit | Agrekal , Izrael |
Bibliografia
- Ray, D. K., Mueller, N. D., West, P. C., Foley, J. A. Yield Trends Are Insufficient to Double Global Crop Production by 2050. PLoS One. 8, 66428(2013).
- Food and Agriculture Organization of the United Nations. The future of food and agriculture: Trends and challenges. , Rome. (2017).
- Dhankher, O. P., Foyer, C. H. Climate resilient crops for improving global food security and safety. Plant, Cell & Environment. 41, 877-884 (2018).
- Chen, D., et al. Dissecting the phenotypic components of crop plant growthand drought responses based on high-throughput image analysis w open. Plant Cell. 26, 4636-4655 (2014).
- Ubbens, J. R., Stavness, I. Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks. Frontiers in Plant Science. , (2017).
- Danzi, D., et al. Can High Throughput Phenotyping Help Food Security in the Mediterranean Area. Frontiers in Plant Science. , (2019).
- Miflin, B. Crop improvement in the 21st century. Journal of Experimental Botany. 51, 1-8 (2000).
- Dalal, A., et al. Dynamic Physiological Phenotyping of Drought-Stressed Pepper Plants Treated With "Productivity-Enhancing" and "Survivability-Enhancing" Biostimulants. Frontiers in Plant Science. , (2019).
- Moshelion, M., Altman, A. Current challenges and future perspectives of plant and agricultural biotechnology. Trends in Biotechnology. 33, 337-342 (2015).
- Singh, A., Ganapathysubramanian, B., Singh, A. K., Sarkar, S. Machine Learning for High-Throughput Stress Phenotyping in Plants. Trends in Plant Science. 21, 110-124 (2016).
- Houle, D., Govindaraju, D. R., Omholt, S. Phenomics: The next challenge. Nature Reviews Genetics. 11, 855-866 (2010).
- Fiorani, F., Schurr, U. Future Scenarios for Plant Phenotyping. Annual Review of Plant Biology. 64, 267-291 (2013).
- Tardieu, F., Cabrera-Bosquet, L., Pridmore, T., Bennett, M. Plant Phenomics, From Sensors to Knowledge. Current Biology. 27, 770-783 (2017).
- Negin, B., Moshelion, M. The advantages of functional phenotyping in pre-field screening for drought-tolerant crops. Functional Plant Biology. , (2017).
- Gebremedhin, A., Badenhorst, P. E., Wang, J., Spangenberg, G. C., Smith, K. F. Prospects for measurement of dry matter yield in forage breeding programs using sensor technologies. Agronomy. 9, 65(2019).
- Roitsch, T., et al. New sensors and data-driven approaches-A path to next generation phenomics. Plant Science. 282, 2-10 (2019).
- Li, L., Zhang, Q., Huang, D. A review of imaging techniques for plant phenotyping. Sensors (Switzerland). 14, 20078-20111 (2014).
- Gosa, S. C., Lupo, Y., Moshelion, M. Quantitative and comparative analysis of whole-plant performance for functional physiological traits phenotyping: New tools to support pre-breeding and plant stress physiology studies. Plant Science. 282, 49-59 (2019).
- Araus, J. L., Cairns, J. E. Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science. 19, 52-61 (2014).
- Ito, V. C., Lacerda, L. G. Black rice (Oryza sativa L.): A review of its historical aspects, chemical composition, nutritional and functional properties, and applications and processing technologies. Food Chemistry. 301, 125304(2019).
- Anjum, S. A., et al. physiological and biochemical responses of plants to drought stress. African Journal of Agricultural Research. , (2011).
- Halperin, O., Gebremedhin, A., Wallach, R., Moshelion, M. High-throughput physiological phenotyping and screening system for the characterization of plant-environment interactions. The Plant Journal. 89, 839-850 (2017).
- Yaaran, A., Negin, B., Moshelion, M. Role of guard-cell ABA in determining steady-state stomatal aperture and prompt vapor-pressure-deficit response. Plant Science. 281, 31-40 (2019).
- Dalal, A., Attia, Z., Moshelion, M. To produce or to survive: how plastic is your crop stress physiology. Frontiers in Plant Science. 8, 2067(2017).
- Araus, J. L., Kefauver, S. C., Zaman-Allah, M., Olsen, M. S., Cairns, J. E. Translating High-Throughput Phenotyping into Genetic Gain. Trends in Plant Science. 23, 451-466 (2018).
- Ghanem, M. E., Marrou, H., Sinclair, T. R. Physiological phenotyping of plants for crop improvement. Trends in Plant Science. 20, 139-144 (2015).
- Sinclair, T. R., et al. Pot binding as a variable confounding plant phenotype: theoretical derivation and experimental observations. Planta. 245, 729-735 (2017).
Przedruki i uprawnienia
