Artykuł metodologiczny

Telemetryczna, grawimetryczna platforma do fizjologicznego fenotypowania interakcji między roślinami a środowiskiem w czasie rzeczywistym

13.7K wyświetleń

⸱

DOI:

10.3791/61280

⸱

5 sierpnia 2020

 ,  ,  ,  ,  ,  ,  ,  , 
1Faculty of Agriculture, Food and Environment, The Robert H. Smith Institute of Plant Sciences and Genetics in Agriculture, The Hebrew University of Jerusalem

W tym artykule

Podsumowanie

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.

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 posłużono się doniczkami o pojemności 4 L umieszczonymi 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 40 cm x 40 cm, przy zastosowaniu jedynie liniowego dostosowania parametrów protokołu) oraz dla kilku roślin w jednej doniczce. W ten sposób protokół można łatwo dostosować do roślin wielu typów i rozmiarów. Komponenty systemu przedstawiono na Rysunku 1 oraz Rysunku 2.

1. Przygotowanie doniczek do eksperymentu

  1. Włóż filtr glebowy. Rozłóż siatkę nylonową na całej powierzchni doniczki i umieść uchwyt siatki na wierzchu. Ręką powoli wsuń uchwyt siatki do połowy wysokości wnętrza całej doniczki. Upewnij się, że siatka pozostaje równomiernie rozłożona podczas wsuwania jej pomiędzy dwie doniczki.
  2. Włóż szklany pręt (tyczkę) pomiędzy dwie doniczki i dociśnij go aż do dna całej doniczki, upewniając się, że znajduje się on po zewnętrznej stronie siatki i nie napiera na nią.
  3. Przed całkowitym wsunięciem uchwytu siatki, dociśnij siatkę ręką od wewnątrz doniczki i wyreguluj ją tak, aby po pełnym wsunięciu uchwytu była ona równomiernie i szczelnie rozłożona na dnie doniczki (Rysunek 2CI).
  4. Przesuń pierścień uszczelniający z dna powyżej opisanej konstrukcji doniczki na wysokość jednej trzeciej boku doniczki. Upewnij się, że nacięcia w pierścieniu są skierowane w stronę dna doniczki (Rysunek 2CII).
  5. Powtórz kroki 1.1-1.4 dla wszystkich doniczek eksperymentalnych przed przejściem do następnego etapu. Zrandomizuj rozmieszczenie roślin (Rysunek 2D; stosując schemat bloków zrandomizowanych lub całkowicie losowy układ) za pomocą aplikacji Array Randomizer.
    UWAGA: Aby pobrać bezpłatny program i uzyskać więcej informacji, zapoznaj się z linkiem: https://drive.google.com/open?id=1y4QbTpxRK5Lx430xzu1RFdrlcL8pz_1q).
  6. Oznakuj doniczki zgodnie z ich rozmieszczeniem 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

  1. Wybierz podłoże do wzrostu (doniczkowe), które najlepiej odpowiada celom eksperymentu. Wybór odpowiedniego podłoża jest kluczowy i zależy od kilku czynników (patrz: Dyskusja). Początkującym użytkownikom zdecydowanie zalecamy stosowanie porowatego, ceramicznego podłoża o małej frakcji. Więcej informacji ułatwiających wybór odpowiedniego podłoża do eksperymentu znajduje się w Tabeli 1 i Tabeli 2.
  2. Wykiełkuj nasiona w tacy wielodzielnej z wybranym podłożem doniczkowym. Jeśli to możliwe, wykonaj ten etap w tej samej szklarni, która będzie wykorzystywana w głównej części eksperymentu, aby aklimatyzować rośliny do panujących w niej warunków środowiskowych.
  3. Jeśli siewki nie zostały wykiełkowane w tacach, przesadź je do tacy wielodzielnej zawierającej podłoże doniczkowe. Posadź jedną siewkę w każdym wgłębieniu i pozwól jej rosnąć do momentu, aż korzenie staną się wystarczająco gęste, by przyjąć kształt wgłębienia (tworząc tzw. plug korzeniowy z podłożem).
  4. Pozostaw 5–7 wgłębień bez siewek w celu pomiaru masy podłoża (samo podłoże doniczkowe; Rycina 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.

  1. Kalibracja lizymetru.
    1. Użyj poziomicy, aby sprawdzić, czy wszystkie lizymetry są wypoziomowane, a następnie rozpocznij proces kalibracji wagowej. Użyj dwóch odważników wzorcowych (1–10 kg). Przeprowadź kalibrację, gdy zielony pojemnik wraz ze wszystkimi korkami znajduje się na ogniwie obciążnikowym.
    2. Umieść pierwszy (lżejszy) odważnik kalibracyjny na każdym ogniwie obciążnikowym.
    3. W oprogramowaniu operacyjnym przejdź do karty Calibration i wybierz wagę dla pierwszego punktu. Następnie zaznacz pozycję ogniwa obciążnikowego, na którym umieszczono odważnik, i kliknij Get point1 (Supplementary Figure 1A). Ten krok można zastosować do kilku ogniw obciążnikowych jednocześnie.
    4. Powtórz czynność dla drugiego odważnika i kliknij Get point2.
    5. Kliknij Apply calibration.
  2. Zapewnienie odpowiedniej liczby roślin o właściwej wielkości do eksperymentu
    UWAGA: Im mniejsza roślina, tym słabszy będzie jej sygnał (np. masa wody transpirowanej w ciągu doby w stosunku do masy doniczki). Poniższe kroki pomogą poprawić stosunek sygnału do szumu.
    1. Rozpocznij eksperyment, gdy roślina transpiruje około 10% maksymalnej pojemności wodnej doniczki.
      UWAGA: Na przykład w przypadku pracy z podłożem piaszczystym, które przy pełnej pojemności doniczki zawiera ok. 1 L wody (zob. Table 2), rozpocznij eksperyment, gdy rośliny transpirują ok. 100 mL na dobę. W przypadku pracy z podłożem torfowym, które przy pełnej pojemności doniczki mieści około 2 L wody (zob. Table 2), rozpocznij pomiary, gdy rośliny transpirują około 200 mL na dobę.
    2. Oszacuj początkową dobową transpirację rośliny przed umieszczeniem jej w systemie, mierząc (ręcznie) różnice w masie rano i wieczorem u kilku siewek.
    3. Przy pracy z małymi roślinami umieść kilka roślin w każdej doniczce (np. sześć roślin Arabidopsis w jednej doniczce 3,9 L23, aby osiągnąć zalecany minimalny poziom transpiracji)*.

4. Przygotowanie eksperymentu

UWAGA: Proces przygotowania eksperymentu został zaprojektowany tak, aby uwzględnić wagę wszystkich części systemu, a mianowicie wagę podłoża (w tym wagę gleby i wody przy pojemności doniczki) oraz początkową wagę siewek. Należy wykonać poniższe kroki:

  1. Jeśli to możliwe, należy pracować z podobnymi komponentami statycznymi o zbliżonej masie. Komponenty o masie statycznej obejmują zestawy doniczek, sondy glebowe i inne elementy plastikowe.
  2. Aby rozpocząć nowy eksperyment, otwórz oprogramowanie sterujące. Otwórz kartę Experiments (Eksperymenty) w menu po lewej stronie ekranu. Kliknij Create New (Utwórz nowy) lub skopiuj właściwości eksperymentu z poprzedniego badania, klikając prawym przyciskiem myszy na wybrany eksperyment i wybierając Duplicate (Duplikuj). Zmień nazwę eksperymentu (Supplementary Figure 1B).
  3. Upewnij się, że żadna jednostka nie jest obecnie używana w innym eksperymencie uruchomionym w systemie. Sprawdź, czy wszystkie rośliny w tabeli Plants (Rośliny) są zgodne z planem eksperymentalnym. W przeciwnym razie zmień tabelę zgodnie z planem (patrz sekcje 5.18, 6 oraz Supplementary Figure 1C).
  4. Rozpocznij eksperyment, klikając nazwę eksperymentu, a następnie przycisk Start.
  5. Wykonaj pomiary manualne wcześniej przygotowanych pustych doniczek (podwójna doniczka, siatka, wspornik i czarny pierścień uszczelniający). W przypadku stosowania części podobnych do siebie, wystarczająca będzie średnia masa 10 z nich.
  6. Dokładnie wymieszaj podłoże z niewielką ilością wody przez co najmniej 1 h, aby rozbiło się na jednorodne cząstki i zostało nasycone, co zapewni jednolitość i homogeniczność. Użytkownikom rozpoczynającym pracę zdecydowanie zalecamy stosowanie porowatego, ceramicznego podłoża o małej frakcji (patrz Table 1 i Table 2). Jako drugą opcję można zastosować gruboziarnisty piasek.
    1. Użyj mieszadła mechanicznego (np. betoniarki).
    2. W przypadku stosowania podłoża o wysokiej homogeniczności (np. piasku przemysłowego), pomiń krok 4.6.1.
  7. Wypełnij wszystkie doniczki do eksperymentu w sposób jednolity odpowiednim podłożem (np. piaskiem, ziemią lub torfem).
  8. Włóż odlew formy otworu (Figure 3B), który kształtem i rozmiarem odpowiada bryle korzeń-gleba sadzonek (z tacy do wysiewu), do środka podłoża. Wciśnij go całkowicie. Kilka razy stuknij dnem doniczki o podłogę, aby upewnić się, że podłoże jest dobrze rozłożone w doniczce. Powtórz czynność dla wszystkich doniczek.
  9. Obficie podlej doniczki i spłucz ich zewnętrzne ścianki. Pozostaw doniczki do odcieknięcia na 30 min przed przejściem do następnego kroku. Upewnij się, że woda swobodnie odpływa z doniczek. Jeśli podłoże odprowadza wodę zbyt wolno (np. gęsty torf), wymieszaj je wcześniej z przewiewnym substratem (np. perlitem; patrz również Table 1 i Table 2), aby przyspieszyć drenaż.
  10. Po całkowitym ustaniu drenażu ustaw wszystkie wypełnione doniczki w centrum zestawu lizymetrów (w zielonych pojemnikach, które już tam się znajdują) zgodnie z planem eksperymentalnym (Figure 2A).
  11. Sprawdź, czy zielone pojemniki są prawidłowo dopasowane do osłony ogniwa obciążnikowego i nie dotykają się nawzajem.
  12. W oprogramowaniu sterującym otwórz kartę Experiment (Eksperyment) i wybierz kartę Measure Components (Pomiar komponentów). Kliknij Measure object (Pomierz obiekt). Nazwij pomiar „1st measurement” (Supplementary Figure 1D).
  13. Umieść kroplowniki nawadniające, sondy i pokrywy doniczek na każdej doniczce. Przed umieszczeniem ich w doniczkach upewnij się, że linie wielowyjściowych kroplowników oraz kable sond są podparte odpowiednimi statywami (dołączonymi do jednostek dla każdej wagi lizymetrycznej; Figure 1E). Upewnij się, że wszystkie kroplowniki, sondy i pokrywy są stabilnie zamocowane.
  14. Odczekaj do 3 min na wykonanie nowego pomiaru (dane są zbierane automatycznie co 3 min), a następnie otwórz kartę Experiment. Wybierz kartę Experiment i kliknij Experiment. Oznacz ten pomiar metatagiem do wykonanego „1st measurement” i nazwij go „Static components” (Supplementary Figure 1E). Metatagi są stosowane, gdy chce się zarejestrować wartość masy wyznaczoną poprzez odjęcie jednej zmierzonej wartości od drugiej.
  15. Po wprowadzeniu wszelkich niezbędnych korekt w systemie odczekaj na zapisanie nowego punktu danych (co 3 min) przed wykonaniem kolejnego pomiaru.
  16. Sprawdź kolumnę Static Components, aby potwierdzić, że wartości zapisane w tabeli Plants nie zawierają wartości odstających. Jeśli któraś z zapisanych mas 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 3 minach stabilizacji systemu).
  17. Kliknij kartę Plants. Eksportuj tabelę Plants do arkusza kalkulacyjnego, dodaj średnią masę doniczki (z kroku 4.5) do pomiaru komponentów statycznych – „Tare weight” (masa tary). Zapisz i prześlij plik (karta import).
  18. Upewnij się, że wszystkie kroplowniki są pewnie wciśnięte w podłoże oraz w rurkę prowadzącą z kontrolera. W oprogramowaniu sterującym, w karcie Experiment, wybierz Treatments Scenarios (Scenariusze zabiegów). Kliknij Create New (Utwórz nowy), aby stworzyć nowy „Plan”.
  19. W planie wybierz pierwszy krok (utwórz nowy krok, jeśli jest to konieczne) i otwórz go. Dla Treatment (Zabieg) wybierz „Test”, a dla Termination (Zakończenie) wybierz „Never”. W opcjach kroku wybierz dowolny zabieg wymieniony w karcie Irrigation Treatments (Zabiegi nawadniania) powyżej sekcji Experiments (Supplementary Figure 1F; patrz również krok 4.21). Kliknij kartę Apply (Zastosuj).
  20. Wyeksportuj tabelę Plants do arkusza kalkulacyjnego, dodaj „Plan” do kolumny Treatment oraz „1” do kolumny Step (Krok). Zapisz i prześlij plik.
  21. W karcie Irrigation Treatments wybierz zabieg „Test” i ustaw czas nawadniania na 4–5 min [dokładny czas zależy od objętościowej zawartości wody (VWC) użytej gleby], aby umożliwić drenaż. Ustaw czas z 2-minutowym wyprzedzeniem i udaj się do doniczek w szklarni. Można również utworzyć inne zabiegi (szczegółowe wyjaśnienie znajduje się w kroku 7.4).
  22. Sprawdź wizualnie, czy wszystkie kroplowniki działają i czy woda wycieka z perforowanego korka drenażowego zielonego pojemnika.
  23. 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; składniki fertygacji podano w Table 3) 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.
  24. Pozostaw program nawadniania uruchomiony przez 1 lub 2 dni, aby gleba osiągnęła swoją pojemność polową, a następnie przejdź do następnej fazy.

5. Rozpoczęcie eksperymentu

UWAGA: Dane zebrane na tym etapie będą służyć jako wartości referencyjne dla pozostałej części eksperymentu. Dlatego ważne jest, aby starannie przestrzegać kolejnych kroków.

  1. Powtórz kroki od 4.18 do 4.20. Alternatywnie rozpocznij proces wczesnym rankiem, niedługo po ostatnim etapie nawadniania.
  2. Sprawdź wizualnie, czy wszystkie doniczki są nawodnione i czy nadmiar cieczy nawadniającej wycieka przez perforowany korek odpływowy zielonej kąpieli.
  3. Wyjmij zielony, nieperforowany korek (z najniższego otworu) pojemnika i pozwól wodzie całkowicie spłynąć. Następnie włóż korek z powrotem na miejsce (Rycina 1D). W przypadku pracy w trybie „drenaż 0” (tzn. z otwartym dolnym otworem/podłączonym pustym korkiem drenażowym w najniższym otworze), pomiń ten krok.
  4. W oprogramowaniu operacyjnym otwórz zakładkę eksperymentu i przejdź do sekcji Measure Components. Kliknij Measure Object i nazwij pomiar jako „Cast-pre”. Ostrożnie wyjmij wszystkie formy z doniczek, a następnie odczekaj 3 min, aż zostanie zarejestrowany nowy pomiar (Rycina uzupełniająca 1D).
  5. Kliknij Measure Object, nazwij go „Cast-post” i przypisz metatag pomiaru do „Cast-pre”. Opcja ta automatycznie obliczy różnicę między dwiema zmierzonymi wartościami i poda wagę formy w celu weryfikacji czułości wagowej.
  6. Sprawdź wartości wagowe w tabeli Plants. Różnica między pomiarami „Cast-post” nie powinna przekraczać 20 lub 30 g.
  7. Aby zmierzyć wagę mokrej gleby, w oprogramowaniu operacyjnym przejdź do zakładki Measure Components w eksperymencie i wybierz opcję Measure Soil Wet Weight. Wykonaj pomiar, klikając OK w odpowiedzi na zapytanie. Sprawdź pomiary Soil Wet Weight w tabeli Plants eksperymentu. Waga pojawi się w kolumnie „Soil Wet Weight” (Rycina uzupełniająca 1D,G).
  8. Jeśli niektóre pomiary wykazują niewłaściwe wahania, należy wykonać następujące czynności:
    1. Potwierdź, że każda doniczka jest ustawiona prawidłowo i nie dotyka sąsiednich doniczek.
    2. Odłącz pierwszy sterownik na stole od zasilania (pozostałe sterowniki są połączone szeregowo, więc one również zostaną wyłączone) na 2 min, a następnie podłącz go ponownie.
  9. Zmierz ręcznie średnią wagę kilku (5–10) wgłębień z podłożem ogrodniczym (z kroku 2.3) bez sadzonek (plugów glebowych). [Przed pomiarami ręcznymi upewnij się, że plugi glebowe są dobrze nawodnione (tzn. do pojemności polowej po drenażu).] W zakładce Measure Components naciśnij Set Seedling Bulk-Soil Weight i wpisz średnią wagę (Rycina uzupełniająca 1D).
  10. Kliknij Measure Plant Initial Weight. Ten pierwszy pomiar stanowi punkt odniesienia przed sadzeniem (Rycina uzupełniająca 1D).
  11. Upewnij się, że sadzonki w tackach są dobrze nawodnione (tzn. do pojemności polowej po drenażu). Ostrożnie wyciągnij sadzonki wraz z plugiem korzeniowo-glebowym z wgłębień, dbając o to, by ich nie uszkodzić, i umieść je starannie w wgłębieniach wykonanych przez formy w doniczkach, zgodnie z planem eksperymentu. Zaleca się przenoszenie roślin o świcie lub o zmierzchu, aby zminimalizować stres roślin (tzn. zminimalizować więdnięcie).
  12. Odczekaj 3 min. Ponownie kliknij Measure Plant Initial Weight. Ten drugi pomiar jest początkową wagą rośliny. Przypisz metatag pomiaru do pierwszego (punktu odniesienia). Oprogramowanie obliczy różnicę między dwoma pomiarami i odejmie Seedling Bulk-Soil Weight. Wynikiem jest początkowa waga rośliny.
  13. Sprawdź zmierzone wartości w tabeli Plants eksperymentu, aby upewnić się, że mieszczą się one w rozsądnym i logicznym zakresie (Rycina uzupełniająca 1C).
  14. Nasyć glebę, powtarzając kroki od 4.18 do 4.20.
  15. Upewnij się, że wszystkie doniczki odprowadzają wodę prawidłowo. Jeśli nie, powtórz proces nasycania. Odczekaj 30 min, aż drenaż ustanie. (Zobacz także Tabela 1 w odniesieniu do prawidłowego wyboru podłoża ogrodniczego).
  16. W zakładce Measure Components kliknij Measure Reserved Water Weight (Rycina uzupełniająca 1D).
  17. Wyeksportuj tabelę Plants do arkusza kalkulacyjnego, odejmij zmierzoną początkową wagę rośliny (Plant Initial Weight) oraz wagę podłoża sadzonki (Seedling Bulk-Soil Weight) od pomiaru wagi wody rezerwowej (kolumna „Reserve Water Inventory”). Prześlij plik (Rycina uzupełniająca 1C).
  18. Potwierdź, że okres czasu, w którym rejestrowana będzie dzienna transpiracja, jest odpowiedni dla celów eksperymentu. Wypełnij wartości w ogólnej zakładce eksperymentu zgodnie z wymogami projektu (Rycina uzupełniająca 1H).
    1. Wypełnij godzinę zero (zero hour): czas, w którym oprogramowanie sprawdzi, czy należy przejść do następnego kroku w scenariuszu zabiegów.
    2. Wypełnij wartości dziennej transpiracji: dzienna transpiracja jest obliczana jako różnica między dwoma oknami wagowymi w ciągu dnia, dla wszystkich dni. Czas rozpoczęcia dziennej transpiracji to godzina, od której oprogramowanie rozpocznie pomiar średniej wagi.
  19. Monitoruj rośliny przez 1–2 dni przed rozpoczęciem nowego eksperymentu (skopiuj i zmień nazwę eksperymentu).

6. Zmiana tabeli roślin

  1. Wyeksportuj tabelę roślin (Plants table) do arkusza kalkulacyjnego i zmień tabelę zgodnie z potrzebami. Nie zmieniaj identyfikatorów roślin (Plant IDs), nazw ani pozycji. Zapisz i prześlij plik.
  2. Kolumny etykietowania (grupowania): Aby przedstawić lub przeanalizować (patrz Krok 8) rośliny pogrupowane na podstawie wspólnych etykiet (np. traktowanie, linia), dodaj nową kolumnę, rozpoczynając etykietę od znaku # (np. #Treatment). W tej kolumnie wprowadź oznaczenie dla każdej rośliny (np. dla etykiety „#Treatment” oznacz rośliny jako susza, kontrola itd.; Rycina uzupełniająca 2).
    UWAGA: Powyższy protokół jest najbardziej zaawansowanym i kompleksowym protokołem dla tego systemu. Jednak 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 pozwala on jednak w łatwiejszy sposób zapoznać się z najważniejszymi procedurami eksperymentalnymi, sprzętem i oprogramowaniem.

7. Przeprowadzenie eksperymentu

  1. Oblicz 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).
    1. Wartość SWC to stosunek suchej masy gleby do mokrej masy gleby. Aby obliczyć SWC, należy wykorzystać trzy dodatkowe doniczki wypełnione glebą (Krok 1.3) bez roślin, które zostały wcześniej przygotowane i umieszczone na bocznym stole w szklarni przez kilka dni i regularnie podlewane. Zważ mokrą glebę w aluminiowej kuwecie wczesnym rankiem, tak szybko jak to możliwe po ostatnim podlewaniu.
    2. Susz aluminiową kuwetę z glebą w piekarniku (w temperaturze 105 °C) przez 4–5 dni. Zweryfikuj, czy gleba jest całkowicie sucha, wykonując dwa kolejne pomiary masy w odstępie co najmniej 60 min. Jeśli masy są identyczne, gleba jest rzeczywiście sucha i ostatni pomiar można zapisać jako suchą masę gleby.
    3. W oprogramowaniu operacyjnym przejdź do sekcji Measure Components i kliknij kartę Calculate Soil Dry Weight. Wprowadź mokrą i suchą masę gleby dla każdej próbki, kliknij Apply oraz Finish (Supplementary Figure 3).
  2. Alternatywnie oblicz SWC ręcznie, korzystając z poniższego równania.
    figure-protocol-1
  3. Wyciągnij średnią z dwóch pomiarów SWC wykonanych ręcznie z co najmniej trzech doniczek. Wybierz kartę Measure Components i w sekcji Calculate Soil Dry Weight wprowadź wartość θg [g/g], a następnie kliknij Apply i Finish. Suche masy gleby dla wszystkich doniczek eksperymentalnych zostaną obliczone automatycznie przez oprogramowanie (przy założeniu, że wszystkie doniczki w doświadczeniu zawierają to samo podłoże; Supplementary Figure 1D oraz Supplementary Figure 3).
  4. Zastosuj zabiegi nawadniania. Scenariusze nawadniania można realizować poprzez opracowanie krok po kroku planu zabiegów.
    1. Aby opracować nowy plan zabiegu nawadniania, przejdź do sekcji Irrigation Treatment, kliknij Create New i nazwij nowy zabieg. Otwórz konkretny zabieg na liście zabiegów nawadniania i kliknij domyślną wartość „00:00”.
      UWAGA: W głównym oknie (Supplementary Figure 4A), „Time” wskazuje czas otwarcia zaworu (tj. początek zabiegu nawadniania). „Valve” to zawór, który ma zostać otwarty (A lub B, w zależności od zaworu podłączonego do pożądanego roztworu). „Command Type” wskazuje rodzaj danych, które zostaną użyte do określenia czasu zamknięcia zaworu:
      1. By Time – Liczba sekund, przez które zawór będzie otwarty.
      2. By Weight – Przyrost masy/wody (w gramach), która ma zostać dodana do doniczki poprzez nawadnianie.
      3. By Transpiration – Nawadnianie może być stosowane różnie dla każdej doniczki w zależności od transpiracji każdej poszczególnej rośliny z dnia poprzedniego. Użytkownik może zdecydować, jaki procent transpiracji z poprzedniego dnia zostanie zastosowany podczas nawadniania. (W warunkach dobrego nawodnienia sugeruje się podawanie roślinie więcej niż 100%, aby wypłukać glebę i zrekompensować wzrost rośliny). Roślinom poddanym stresowi suszowemu należy podawać mniej wody, przy czym dokładne objętości powinny opierać się na pożądanej stopie stresu suszowego.
      4. By Sensors – Nawadnianie może być stosowane zgodnie z odczytem czujnika, takim jak pozorna przenikalność dielektryczna (która może być użyta do określenia VWC). Wybierz typ czujnika, pożądany parametr oraz pożądaną wartość parametru.
    2. Wszystkie możliwości obejmują opcję Time Out, która zamknie zawór, nawet jeśli nie osiągnięto ustawionych warunków. Ustaw Time Out na okres dłuższy niż czas wymagany do spełnienia ustawionych warunków.
    3. Po zdefiniowaniu zabiegów nawadniania dla eksperymentu, otwórz pożądany eksperyment na liście eksperymentów, otwórz Treatment Scenario, otwórz domyślny Plan i wybierz pierwszy krok (Supplementary Figure 4B).
    4. W sekcji Treatment wybierz zabieg nawadniania z listy. Następnie w sekcji Termination wybierz odpowiedni warunek zakończenia bieżącego kroku i przejścia do następnego.
    5. Po wybraniu scenariusza nawadniania otwórz tabelę roślin eksperymentu (Supplementary Figure 2) i wprowadź „Treatment” oraz „Step” dla każdej rośliny. „Treatment” to nazwa scenariusza zabiegu, a „Step” to numer zdarzenia w ramach scenariusza zabiegu.
  5. Zaplanuj zabieg suszowy.
    1. Każda poszczególna roślina ma unikalną stopę transpiracji w zależności od jej wielkości i lokalizacji w szklarni. Aby umożliwić standardowy zabieg suszowy (tj. podobną stopę wysychania dla wszystkich doniczek podczas zabiegu), zaplanuj scenariusz suszy i kontroluj go za pomocą systemowego narzędzia nawadniania z informacją zwrotną (Supplementary Figure 5).

8. Analiza danych przy użyciu oprogramowania do analizy danych

  1. Otwórz oprogramowanie do analizy danych (np. SPAC Analytics). Kliknij w prawym górnym rogu, aby wybrać system Control oraz nazwę eksperymentu (Supplementary Figure 6A). W kolumnie po lewej stronie ekranu wybierz Experiments (Supplementary Figure 6B) i wpisz nazwę eksperymentu w pasku Name w sekcji Search. Nazwa eksperymentu pojawi się poniżej sekcji Search, w sekcji Experiments (Supplementary Figure 6C). Kliknij w eksperyment, aby otworzyć sekcje Info oraz Plants (Supplementary Figure 6D).
  2. W sekcji Info edytuj daty rozpoczęcia i zakończenia WUE dla okresu co najmniej 3 (najlepiej więcej) dni przed rozpoczęciem traktowania suszą, a następnie kliknij Update. Wartości WUE oraz R2 dla każdej doniczki pojawią się w sekcji Plants. Wyklucz każdą skalę z ujemną wartością WUE lub wartością R2 mniejszą niż 0,5, klikając symbol „oka” w kolumnie Active, który zmieni kolor na czerwony. Spowoduje to wykluczenie wybranej skali (rośliny) z wszelkich dalszych obliczeń. Dane można wyeksportować, klikając przycisk Export Data w sekcji Plants (Supplementary Figure 6D).
  3. W kolumnie po lewej stronie ekranu kliknij Analysis. Pojawią się następujące podsekcje: Graph viewer, Histogram, T-test, ANOVA oraz Piecewise linear curve.
  4. Kliknij Graph viewer. W sekcji Filters ustaw daty eksperymentu.
    1. Kliknij Labels (patrz krok 6), aby wybrać kombinację grup eksperymentalnych (genotyp) i traktowań. Automatycznie wszystkie doniczki w wybranej grupie pojawią się w podsekcji Plant. W tej podsekcji odznacz wybrane doniczki (rośliny), klikając w nie. Jednorazowo można wybrać do dwóch różnych parametrów jako „Y1 parameter” i „Y2 parameter”. Na koniec kliknij Show Graph (Supplementary Figure 5).
    2. W oknie Graph Viewer pojawi się wykres liniowy wartości wybranego parametru dla każdej rośliny. Usuń dane poszczególnych roślin lub dodaj je do wykresu, klikając symbole legendy po prawej stronie wykresu. W prawym górnym rogu znajdują się również opcje eksportu danych do arkusza kalkulacyjnego oraz powiększania okna Graph Viewer na pełny ekran (ta funkcja pobierania surowych danych dotyczy wszystkich pozostałych okien). Dalsze opcje modyfikacji wykresu pojawią się po przesunięciu kursora w prawy górny róg ekranu (Supplementary Figure 5).
  5. Moduł histogramu przedstawia rozkład pojedynczej cechy w populacjach oraz między populacjami dla określonego okresu czasu. Aby skorzystać z tego modułu, kliknij Histogram.
    1. W sekcji Filters ustaw datę, godzinę, parametr, etykiety i rośliny zgodnie z opisem w kroku 8.4.1. Wybierz wiele etykiet (grup), klikając symbol +. Na koniec kliknij Show Graph (Supplementary Figure 7).
    2. Histogram pojawi się w sekcji Histogram, w której w górnej części ekranu znajduje się opcja zmiany „Bins” i „Date”. W prawym górnym rogu dostępne są różne opcje opisane w kroku 8.4.2. W sekcji Location Diagram można zobaczyć rzeczywiste rozmieszczenie roślin na stole eksperymentalnym oraz odpowiadające im wartości cech (Supplementary Figure 7).
  6. Kliknij T-test. Aby statystycznie porównać średnie dowolnej mierzonej cechy w dwóch grupach, wprowadź daty, etykiety, rośliny i parametry w sekcji „T-test Parameters”, zgodnie z opisem w kroku 8.4.1.
    1. Ustaw zakres godzin, aby obliczyć średnie wartości punktów danych w interesującym przedziale czasowym (domyślnie jest to ciągła prezentacja 24-godzinna). Na koniec kliknij Show Graph (Supplementary Figure 8).
    2. Po prawej stronie ekranu pojawią się dwa okna. Górne to sekcja Graph Viewer dla wszystkich roślin wybranych z obu grup. Poniżej tego okna znajduje się sekcja T-test, w której pojawi się porównanie dwóch grup jako test t dla wybranego parametru fizjologicznego. Poziomy istotności można dostosować, zmieniając wartość α w lewym górnym rogu sekcji T-test. Czerwona kropka pojawi się pod wartościami, które różnią się istotnie. W prawym górnym rogu znajdziesz różne opcje opisane w kroku 8.4.2 (Supplementary Figure 8).
  7. Kliknij ANOVA. Aby statystycznie porównać średnie dowolnej mierzonej cechy w więcej niż dwóch grupach, wprowadź daty, etykiety, rośliny i parametry w sekcji „Filters”, zgodnie z opisem w kroku 8.5.1.
    1. Wybierz wiele etykiet (grup), klikając symbol + (podobnie jak w kroku 8.5). Ustaw zakres godzin. Na koniec kliknij „SHOW GRAPH” (Supplementary Figure 9).
    2. W sekcji ANOVA użyj testu ANOVA (Tukey’s HSD), aby porównać parametry fizjologiczne różnych grup. Słupki reprezentują 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 (Supplementary Figure 9A).
  8. 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 za pomocą funkcji „Piece-wise Linear Curve”.
    1. Kliknij Piecewise linear curve. Wprowadź daty, etykiety, rośliny i parametry (zarówno dla osi x, jak i osi y), a następnie ustaw zakres godzin w sekcji „Filters”, jak wyjaśniono powyżej.
      UWAGA: Data „od” powinna być jak najbliższa dacie rozpoczęcia traktowania.
    2. Ustaw parametr osi x na VWC, a parametr osi y na wybrany parametr fizjologiczny (np. szybkość transpiracji, przewodność szparkową itp.). Na koniec kliknij Show Graph. W sekcji „Filter” kliknij Select all recommendations, a następnie kliknij Show Graph (Supplementary Figure 10).
      UWAGA: Inne parametry fizjologiczne (np. znormalizowana transpiracja, szybkość transpiracji, masa początkowa rośliny, przewodność szparkowa, strumień korzeniowy itp.) oraz parametry środowiskowe (np. temperatura, wilgotność względna itp.) są łatwo dostępne za pomocą oprogramowania SPAC (np. Supplementary Figure 9C). Więcej informacji na temat teoretycznych podstaw ich obliczeń można znaleźć w pracy Halperin et al. (2017).

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 zademonstrować możliwości platformy fenotypowej w porównywaniu zachowania fizjologicznego trzech różnych odmian ryżu (tj. Indica, Karla i Risotto) w warunkach stresu suszowego. Zastosowano dwie obróbki stresu suszowego: (i) nawadnianie optymalne [aż każda doniczka osiągnie swoją pojemność wodną w nocy po nawadnianiu (kontrola)] oraz (ii) suszę, która rozpoczęła się 5 dni po starcie eksperymentu, trwała 14 dni, a po niej nastąpił 10-dniowy okres regeneracji (nawadnianie optymalne, dni 19–29). Dla uproszczenia na przedstawionych tutaj rycinach nie pokazano wszystkich odmian i grup. Wyniki wykazały, że telemetryczny system wysokoprzepustowy (HTP) może efektywnie mierzyć zmiany w warunkach atmosferycznych, glebie oraz fizjologii roślin.

Warunki środowiskowe

Warunki środowiskowe [promieniowanie czynne fotosyntetycznie (PAR) i 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 doby (Rycina 4).

VWC w doniczkach poddanych suszy mierzono za pomocą sond glebowych przez cały okres eksperymentu. Dane VWC zebrane z jednej rośliny cv. Indica poddanej suszy przedstawiono na Rysunku 5.

Parametry fizjologiczne

Doba transpiracja stopniowo wzrastała we wszystkich czterech wariantach (Karla-kontrola, Karla-susza, Risotto-kontrola i Risotto-susza) podczas pierwszej fazy eksperymentu, w której wszystkie rośliny były odpowiednio nawodnione. Następnie, w dwóch grupach poddanych stresowi wodnemu, odnotowano spadek transpiracji powiązany z okresem suszy (od 5. do 18. dnia). W dalszej kolejności, podczas okresu regeneracji (od 18. dnia), dobową transpiracja ponownie wzrosła w dwóch grupach pozbawionych wody, lecz do poziomu znacznie niższego niż ten zaobserwowany przed zastosowaniem suszy (Rycina uzupełniająca 9B).

Średnia obliczona masa roślin (tj. tempo przyrostu masy roślin) wzrastała konsekwentnie zarówno w grupie kontrolnej Karla-control, jak i w grupie poddanej stresowi suszy Karla-drought podczas pierwszego etapu eksperymentu, kiedy wszystkie rośliny otrzymywały podobne nawadnianie (dni 1–5). Po zastosowaniu zabiegu suszy u roślin odmiany Karla (dni 5–18), rośliny te przestały przyrastać na wadze i nie odzyskały tej zdolności aż do etapu regeneracji. W tym momencie nastąpił wzrost masy, który przebiegał wolniej niż w przypadku grupy kontrolnej. W przeciwieństwie do nich, masa roślin Karla-control wzrastała w sposób ciągły przez cały okres eksperymentalny (Rycina 6).

figure-results-1
Rycina 1: Komponenty i konfiguracja systemu grawimetrycznego fenotypowania.
(A) Lizymetr wagowy. Lizymetr zawiera ogniwo obciążnikowe, które przekształca obciążenie mechaniczne obiektu w ładunek elektryczny, oraz metalową platformę zakrywającą górną i dolną część ogniwa obciążnikowego, aby ciężar obiektu mógł być prawidłowo zmierzony. (B) Lizymetr jest przykryty blokiem polistyrenowym i plastikową osłoną w celu izolacji termicznej. (C) Części wagi. Zbiornik na wodę (zielny pojemnik) jest umieszczony na pokrywie lizymetru w celu zbierania cieczy odpływającej z doniczki. Zielony pojemnik jest połączony z zieloną pokrywą, która posiada duży okrągły otwór, przez który wkłada się doniczkę. Do jednej strony zielonej pokrywy przymocowano czarną gumową uszczelkę, a doniczkę do drugiej strony, aby zminimalizować stratę wody w wyniku parowania z pojemnika. Zielona pokrywa posiada dwa otwory próbkowania (mały i duży) nad przedłużeniem odpływowym, które są uszczelnione gumowymi korkami. (D) Korki. Pojemnik posiada przedłużenie odpływowe z czterema otworami (z korkami) na różnych wysokościach, które mogą być wykorzystywane do regulacji poziomu wody w pojemniku po zatrzymaniu odpływu przez konkretny otwór (rezerwowa objętość wody). Pożądana objętość wody będzie zależeć od gatunku rośliny, rodzaju użytego podłoża doniczkowego i zapotrzebowania roślin na wodę (tj. szacowanej dobowej objętości transpiracji). (E) Jednostka sterująca składa się z zielonej prostokątnej skrzynki, która zawiera elektroniczny sterownik i zawory elektromagnetyczne. Znajdują się w niej otwory, przez które roztwór do fertygacji może wpływać do doniczek i z nich wypływać, a także gniazda do podłączenia ogniwa obciążnikowego i różnych czujników. Poprzez roztwór do fertygacji można stosować różne zabiegi, takie jak różne poziomy zasolenia lub różne składy mineralne. Do sterownika przymocowano metalowy stojak, który podtrzymuje rury i kable, zapobiegając ich dotykaniu doniczek i dodawaniu ciężaru. Pozostałe wymagane komponenty to (F) sondy glebowe (np. czujniki wilgotności, temperatury i EC – 5TE), opcjonalnie (G) kroplowniki wielowylotowe (do fertygacji i/lub aplikacji zabiegów) oraz (H) sondy atmosferyczne [do pomiaru deficytu ciśnienia pary (VPD) i promieniowania]. (I) W pełni wyposażona pojedyncza macierz. (J) W pełni wyposażona macierz w szklarni, żółte strzałki wskazują sondy atmosferyczne, które umożliwiają normalizację przewodnictwa szparkowego na podstawie lokalnych warunków atmosferycznych. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

figure-results-2
Rycina 2: Części niezbędne do przygotowania pojedynczej doniczki.
(A–C) Wymagane są następujące elementy: jedna doniczka o pojemności 4 L, jedna doniczka o pojemności 4 L bez dna służąca jako uchwyt do siatki, jeden okrągły kawałek siatki nylonowej (wielkość oczka = 60 mesh) o średnicy dwukrotnie większej niż dno doniczki, jedna pokrywa z wyznaczonymi otworami dla rośliny i kroplowników nawadniających, jeden biały pręt z włókna szklanego (palik) o długości 60 cm oraz jedna czarna uszczelka pierścieniowa. (D) Przykład planu stołu, na którym doniczki zostały rozmieszczone losowo. W szklarni każdy stół miał od 1 do 18 kolumn i cztery rzędy; tutaj wykorzystano 24 pozycje. Strukturę układu można jednak łatwo dostosować do dowolnego kształtu w zależności od rozmiaru własnej szklarni. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-3
Rycina 3: Konfiguracja doniczek.
(A) Rośliny rosnące w tackach z wgłębieniami. (Przedstawione tutaj siewki pomidora są jedynie przykładem; w ten sam sposób można hodować wiele innych gatunków roślin). (B) Odlewy form do (C) tworzenia wgłębień w podłożu, które będą (D) ściśle pasować do siewek z bryłą korzeniową, aby zapewnić pomyślne przesadzenie (E) siewek do doniczek. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-4
Rycina 4: Warunki atmosferyczne w trakcie trwania eksperymentu.
Oś y po prawej stronie przedstawia dobowy deficyt ciśnienia pary wodnej (VPD), a oś y po lewej stronie przedstawia promieniowanie aktywnie syntetyzujące fotosyntezę (PAR) w ciągu 29 kolejnych dni eksperymentu. Wykres został przygotowany przy użyciu oprogramowania Data Analysis. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-5
Rycina 5: Objętościowa zawartość wody (VWC) mierzona sondą glebową w trakcie trwania eksperymentu.
Dane przedstawiają wartości VWC dla jednej rośliny cv. Indica, która była poddawana zabiegowi suszy przez cały okres eksperymentu, wliczając fazę regeneracji. Wykres został sporządzony za pomocą oprogramowania Data Analysis. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-6
Rysunek 6: Masa całej rośliny (średnie ± SE) w całym okresie eksperymentalnym dla odmiany Karla w warunkach dobrze nawodnionych (kontrolnych) i stresu suszowego.
Grupy porównano za pomocą analizy ANOVA (test Tukeya HSD; p < 0,05). Każda wartość 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 tego rysunku.

Rysunek uzupełniający 1: Okna oprogramowania operacyjnego służące do konfiguracji eksperymentu. Kliknij tutaj, aby pobrać ten rysunek.

Rysunek uzupełniający 2: Tabela „Plants” w formie arkusza kalkulacyjnego; Oprogramowanie operacyjne. Kliknij tutaj, aby pobrać ten rysunek.

Rysunek uzupełniający 3: Okno oprogramowania służącego do obliczania suchej masy gleby; oprogramowanie operacyjne. Kliknij tutaj, aby pobrać ten rysunek.

Rysunek uzupełniający 4: Okno oprogramowania do konfiguracji zabiegu nawadniania; Oprogramowanie sterujące. Kliknij tutaj, aby pobrać ten rysunek.

Rysunek uzupełniający 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 (kontrola) oraz suszę. Surowe dane wykazały zmienność masy roślin w trakcie trwania eksperymentu. Każda linia reprezentuje jedną roślinę/doniczkę. W ciągu dnia rośliny transpirowały, w związku z czym system tracił na masie, co widać po nachyleniu krzywych dobowych. Doniczki były nawadniane każdej nocy do pełnej pojemności, co przedstawiono jako piki na krzywych. Po nawadnianiu następował drenaż nadmiaru wody po nasyceniu podłoża w doniczkach. Początkowo wszystkie rośliny były dobrze nawadniane (kontrola). Od 7 sierpnia 2018 r. połowa roślin została poddana działaniu 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. (co pozwoliło każdej roślinie doświadczyć podobnego stopnia stresu) i kontynuując to do końca eksperymentu. Kliknij tutaj, aby pobrać ten rysunek.

Narzędzie nawadniania z pętlą sprzężenia zwrotnego w systemie umożliwia użytkownikowi projektowanie programów nawadniania dla każdej doniczki z osobna 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, zależnie od jej kondycji. 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.

Rysunek uzupełniający 6: Okno analizy danych do analizy danych. Kliknij tutaj, aby pobrać ten rysunek.

Rycina uzupełniająca 7: Okno histogramu analizy danych. Rycina ta przedstawia graficzną reprezentację rozkładu wartości dziennej transpiracji w trzech różnych odmianach ryżu (tj. Indica, Karla i Risotto) w warunkach dobrego nawodnienia (kontrola). Dolny schemat przedstawia wizualizację mapą ciepła dziennej transpiracji roślin w zależności od fizycznego rozmieszczenia doniczek na stole. Prosimy kliknąć tutaj, aby pobrać tę figurę.

Rysunek uzupełniający 8: Okno testu t analizy danych. Linie przedstawiają różnice w dziennej transpiracji (podstawowej i ważnej cechą fizjologicznej) pomiędzy dwiema odmianami ryżu (tj. Karla i Risotto) w warunkach dobrego nawodnienia (kontrolnych). Okno pokazuje dzienną transpirację poszczególnych roślin (prawy górny róg) oraz porównanie średnich ± SE dla każdej grupy wykonane za pomocą testu t Studenta (prawy dolny róg). Analiza statystyczna została przeprowadzona automatycznie przez oprogramowanie. Czerwone kropki reprezentują istotne różnice między zabiegami zgodnie z testami t Studenta; p < 0,05. Kliknij tutaj, aby pobrać ten rysunek.

Rycina uzupełniająca 9: Okno analizy danych ANOVA. (A) Graficzne przedstawienie różnic w dziennej transpiracji pomiędzy dwiema odmianami ryżu (tj. Karla i Risotto) w warunkach dobrego nawadniania (kontrola) oraz w warunkach suszy w całym okresie eksperymentalnym. Zabieg suszy rozpoczęto 5 dni po rozpoczęciu eksperymentu. Kliknięcie dowolnego dnia wyświetli (B) porównanie grup za pomocą ANOVA (test Tukeya HSD; p < 0,05), tutaj dla 12 sierpnia. Każda wartość średnia ± SE reprezentuje co najmniej cztery rośliny. Te same grupy mogą być również przedstawione jako (C) ciągła szybkość transpiracji całej rośliny (średnie ± SE) w całym okresie eksperymentalnym. Wykresy i analiza statystyczna zostały przygotowane za pomocą oprogramowania Data Analysis. Kliknij tutaj, aby pobrać tę figurę.

Rysunek uzupełniający 10: Okno analizy danych dla krzywej liniowej odcinkowej. To okno przedstawia krzywe liniowe odcinkowe dla trzech odmian ryżu (tj. Indica, Karla i Risotto) w warunkach suszy. Oprogramowanie może przeprowadzić analizę dopasowania liniowego odcinkowego zależności między dowolnym parametrem fizjologicznym (tutaj: dziennią transpiracją) a obliczoną objętościową zawartością wody (VWC) w roślinach poddanych działaniu suszy. Kliknij tutaj, aby pobrać ten rysunek.

Materiały uzupełniające. Kliknij tutaj, aby pobrać te materiały.

PożywkaOpis
Piasek grubyPiasek kwarcowy 20-30 (górne i dolne sita, przez które przesypano piasek: odpowiednio 0,841 i 0,595 mm)
Piasek drobnoziarnistyPiasek kwarcowy 75-90 (górne i dolne sita, przez które przesiano piasek: odpowiednio 0,291 i 0,163 mm)
Podłoże torfoweKlasmann 686
Gleba gliniasta (naturalna)Gleba piaszczysto-gliniasta pobrana z warstwy wierzchniej działki na farmie eksperymentalnej Wydziału Rolnictwa, Żywności i Środowiska w Rehovot w Izraelu
WermikulitWermikulit 3G
PerlitPerlit 212 (zakres wielkości: 0,5-2,5 mm)
KompostZiemia do doniczek Bental 11
Porowate, ceramiczne podłoże o małych rozmiarachProfil Porowatej Ceramiki 20-50 (górne i dolne sita, przez które przesiewano zmieloną ceramikę: odpowiednio 0,841 i 0,297 mm)
Porowate, ceramiczne podłoże o mieszanej wielkości ziarenProfilowana ceramika porowata 50% sito 20–50 i 50% sito 20–6, 0,841–3,36 mm

Tabela 1: Podłoża do doniczek.

Typ podłoża glebowego / ParametryPiasek gruboziarnistyPiasek drobnoziarnistyGleba gliniasto-piaszczystaPerlitWermikulitPorowata ceramika o mieszanej frakcji rozmiarówMałowymiarowa ceramika porowataPodłoże na bazie torfuKompost
Całkowita ilość wody (TW, ml)860 ± 7.2 (F)883.1 ± 24 (K)1076.3 ± 35,9 (E)1119.9 ± 8,5 (E)1286 ± 22,4 (D)1503.6 ± 15,4 (C)1713 ± 25,9 (B)1744.3 ± 8.2 (B)2089.6 ± 61,6 (A)
Objętościowa zawartość wody (VWC, ml3/ml3)0,26 (F)0,27 (F)0,33 (E)0,35 (E)0,4 (D)0,46 (C)0,53 (B)0,54 (B)0,65 (A)
Gęstość objętościowa (BD, g/cm³)3)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 przy zachowaniu wody w kąpieli (g/dobę; prośba o zapoznanie się z sekcją 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)
Gravimetryczna zawartość wody w pojemności wodnej doniczki (SWC; patrz rozdział 8.2)0,18 (G)0,23 (G)0,23 (G)3,79 (C)3.0 (D)0,74 (F)0,99 (E)4,25 (B)6.13 (A)
Względna zdolność drenażuDoskonalePożywkaŚrednio-niskiDoskonałyDoskonaleDoskonaleDoskonaleNiskiPożywka
Względny czas osiągnięcia pojemności naczyniaSzybkiSzybkoSzybkoPowolnyWolnySzybkiSzybkiPowolnyWolno
Względna pojemność wymiany kationowej (CEC)NiskiNiskiNiskiNiskiWysokiWysokiWysokiWysokiWysoki
Kompatybilność z:
Mycie korzeni (na koniec eksperymentu)++++++++++++--
Obróbka składnikami odżywczymi/biostymulatorami++++-+++++--
Zasolenie prób+++++++++++++-
Precyzyjny pomiar tempa wzrostu+++++-,+++++++++
Odtwarzanie fizycznej struktury gleby po suszy+++++++++-++++++-,+-
* Całkowita zawartość wody (TW, ml) = masa mokra gleby (przy pojemności doniczki) – masa sucha 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 (podłoże przy pełnej pojemności wodnej doniczki, bez rośliny po ostatnim podlewaniu).
Grawimetryczna zawartość wilgoci przy pełnej pojemności wodnej doniczki (SWC); sposób obliczenia opisano w rozdziale 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 w pojemności polowej (pojemność doniczki). Dane przedstawiono jako średnie ± SE. Różne litery w kolumnach wskazują na istotne różnice między podłożami zgodnie z testem HSD Tukeya (P < 0,05; 3 ≤ n ≤ 5).

Komponenty fertygacjiStężenie końcowe (ppm)Stężenie końcowe (mM)
NaNO3195.82.3
H3PO42090.000969
KNO3271.42.685
MgSO₄4750.623
ZnSO440.7480.0025
CuSO₄40.4960.00198
MoO30.1310.00081
MnSO₄43.4410.0154
Boraks0.30.00078
C10H12N2NaFeO8 (Fe)8.660.0204
pH końcowego roztworu nawadniającego z emitera (po rozcieńczeniu wodą z kranu) wahało się w granicach 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

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Sondy atmosferyczne SpectrumTech/Meter grupa3686WDWatchdog 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 wnękoweRozmiar duński z zakrzywionym brzegiem do szkółki301624X4X7 Komórka, 84 ogniwa na tacę
https://desch.nl/en/products/seed_propagation_trays/danish-size-with-curved-rim-for-nursery~p92
Piasek gruboziarnistyNegev Industrial Minerals Ltd., Izrael   
Kompost Tuff Marom Golan, Izrael  
Oprogramowanie do analizy danych Plant-Ditech Ltd., Izrael Analityka SPAC
KroplownikiNetafim21500-001520PCJ 8L/h
Drobny piasekNegev Industrial Minerals Ltd., Izrael   
Gleba gliniasta (gleba naturalna)   
Siatka nylonowaNie dotyczy (produkty generyczne)  
Oprogramowanie operacyjne Plant-Ditech Ltd., Izrael Sterowanie ze sprzężeniem zwrotnym Plantarray (PFC)
Grunt torfowyKlasmann-Deilmann GmbH, Niemcy  
PerlitAgrekal , Izrael  
System Plantarray 3.0Plant-Ditech Ltd., IzraelSCA400sLizymetry wagowe
  PLA300SPojemnik na sadzarkę
  Jednostka sterująca CON100
  część zestawu sadzarkiKij z włókna szklanego
  część zestawu sadzarkiPierścień uszczelniający
   Oprogramowanie operacyjne
   Oprogramowanie SPAC Analytics
Porowaty, ceramiczny, średniej wielkościGreens Grade, PROFILE Products LLC., USA&nbsp; 
Porowaty, ceramiczny, mały średniejklasy Greens, PROFILE Products LLC., USA&nbsp; 
DoniczkiNie dotyczy (produkty generyczne)  
GlebaBental 11 firmy Tuff Marom Golan   
Mierniki z sondami glebowymi grupa405675TE&
nbsp; 406365TM&
nbsp; 40478GS3
WermikulitAgrekal , Izrael  
VP4

Bibliografia

  1. 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).
  2. Food and Agriculture Organization of the United Nations. The future of food and agriculture: Trends and challenges. , Rome. (2017).
  3. Dhankher, O. P., Foyer, C. H. Climate resilient crops for improving global food security and safety. Plant, Cell & Environment. 41, 877-884 (2018).
  4. 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).
  5. Ubbens, J. R., Stavness, I. Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks. Frontiers in Plant Science. , (2017).
  6. Danzi, D., et al. Can High Throughput Phenotyping Help Food Security in the Mediterranean Area. Frontiers in Plant Science. , (2019).
  7. Miflin, B. Crop improvement in the 21st century. Journal of Experimental Botany. 51, 1-8 (2000).
  8. 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).
  9. Moshelion, M., Altman, A. Current challenges and future perspectives of plant and agricultural biotechnology. Trends in Biotechnology. 33, 337-342 (2015).
  10. 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).
  11. Houle, D., Govindaraju, D. R., Omholt, S. Phenomics: The next challenge. Nature Reviews Genetics. 11, 855-866 (2010).
  12. Fiorani, F., Schurr, U. Future Scenarios for Plant Phenotyping. Annual Review of Plant Biology. 64, 267-291 (2013).
  13. Tardieu, F., Cabrera-Bosquet, L., Pridmore, T., Bennett, M. Plant Phenomics, From Sensors to Knowledge. Current Biology. 27, 770-783 (2017).
  14. Negin, B., Moshelion, M. The advantages of functional phenotyping in pre-field screening for drought-tolerant crops. Functional Plant Biology. , (2017).
  15. 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).
  16. Roitsch, T., et al. New sensors and data-driven approaches-A path to next generation phenomics. Plant Science. 282, 2-10 (2019).
  17. Li, L., Zhang, Q., Huang, D. A review of imaging techniques for plant phenotyping. Sensors (Switzerland). 14, 20078-20111 (2014).
  18. 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).
  19. Araus, J. L., Cairns, J. E. Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science. 19, 52-61 (2014).
  20. 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).
  21. Anjum, S. A., et al. physiological and biochemical responses of plants to drought stress. African Journal of Agricultural Research. , (2011).
  22. 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).
  23. 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).
  24. 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).
  25. 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).
  26. Ghanem, M. E., Marrou, H., Sinclair, T. R. Physiological phenotyping of plants for crop improvement. Trends in Plant Science. 20, 139-144 (2015).
  27. 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

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Pomiary w czasie rzeczywistymzawarto wody w glebiepomiar masy ro linfertygacja z p tl sprz enia zwrotnegodynamiczna metoda nawadnianianarz dzie do analityki danychfenotypowanie funkcjonalne

Powiązane artykuły