Artigo de método

Triagem de alta produtividade em campo da eficiência fotossintética em plantas agrícolas usando um robô autônomo

1K visualizações

⸱

DOI:

10.3791/69530

⸱

9 de janeiro de 2026

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

Neste artigo

Resumo

Este manuscrito descreve uma abordagem não destrutiva e de alta capacidade para medições autônomas de campo da eficiência quântica do fotosistema II, refletância espectral e arquitetura vegetal, possibilitando fenotipagem de fotossíntese em grande escala do dossel em ensaios de campo agronômicos e de reprodução.

Resumo

A fotossíntese fornece energia não apenas para a produção de biomassa vegetal, mas também para processos simbióticos como a fixação de nitrogênio (N). Embora o potencial para ganhos genéticos adicionais na produtividade das principais culturas devido à melhoria da interceptação da luz e do índice de colheita tenha sido amplamente esgotado, variações genéticas naturais ou induzidas em características fotossintéticas ainda oferecem considerável potencial para melhorias de rendimento. No entanto, como a fotossíntese é altamente dinâmica sob condições de campo flutuantes, é difícil realizar uma seleção direcionada para desempenho fotossintético a menos que haja dados de alta resolução espacial e temporal. Para preencher essa lacuna, instalamos um dispositivo transitório de fluorescência induzida pela luz (LIFT) em um robô de campo autônomo para medir a eficiência quântica do fotosistema II (Fq'/F m'), que demonstrou estar bem correlacionado com o desempenho fotossintético geral. O método LIFT utiliza flashes subsaturantes a uma taxa de repetição rápida para induzir a máxima fluorescência, permitindo medições em menos de 1 ms a partir de uma distância de até 1 m. O robô se move a uma velocidade de 0,5 m s-1, navegando autonomamente por todo o campo com base nas coordenadas do sistema global de navegação por satélite (GNSS). Medições espectrais e câmeras estereoscópicas vermelhas, verdes e azuis (RGB) fornecem informações adicionais sobre características tridimensionais (3D) relacionadas à arquitetura das plantas, como ângulo da folha e intensidade da luz na folha-alvo. Os mapas de alta resolução espaço-temporal resultantes da eficiência fotossintética fornecem informações detalhadas sobre o desempenho de crescimento das plantas em ensaios agronômicos de campo ou viveiros de melhoramento de plantas.

Introdução

A fotossíntese fornece às plantas não apenas a base energética para a produção de biomassa e a manutenção de seu próprio metabolismo, mas também para a fixação de nitrogênio (N) emleguminosas 1 e outros processos simbióticos2. O potencial de rendimento de qualquer cultura depende da proporção da taxa de fluxo de fótons fotossintéticos (PPFR) interceptada pela copa (εi), da proporção dessa radiação que é realmente usada na fotossíntese e transformada em biomassa (εc), e da proporção da energia da biomassa que é dividida no produto colhido (εp)3. O εp pode ser definido igual ao índice de colheita (HI) se este último for definido como a biomassa do produto colhido dividida pela biomassa total de brotos eraízes 3. Esforços de melhoramento anteriores focaram principalmente no aumento de ε i e εc e foram altamente bem-sucedidosnisso. 3: Por exemplo, genótipos modernos de cereais e leguminosas podem atingir um εi na ordem de 90% e um HI na ordem de 60%3,4, deixando pouca perspectiva para aumentar ainda mais o ε i e εp3, 5. Em contraste, os valores de εc observados em culturas de C3 eC 4 raramente ultrapassam 1/3 do máximo teórico de 9,4% e 12,3%, respectivamente. Isso indica um grande potencial para aumentar ainda mais a produtividade das culturas se εc puder ser aumentado por meio da seleção baseada na variação genética natural e/ou otimização direcionada de elementos do aparelho de fotossíntese, como a enzima ribulose-1,5-bisfosfato carboxilase/oxigenase (RuBisCO), por meio da engenhariagenética 3,5,6,7. No entanto, foi demonstrado que i) a eficiência fotossintética é altamente dinâmica sob condições de campo, pois as plantas se adaptam constantemente à luz e outras covariáveisambientais 8,9 ii) características fotossintéticas medidas em condições de estado estacionário (por exemplo, em câmaras de crescimento internas com iluminação artificial10) apresentam padrões diferentes de herdabilidade da fotossíntese não estacionária observadano campo 11. Isso limita a utilidade da fotossíntese em ambientes internos para a seleção de genótipos de maior rendimento de culturas alimentares básicas que, na prática, geralmente são cultivadas ao ar livre em campo. Como resultado, é difícil realizar uma seleção direcionada para características fotossintéticas a menos que haja dados de alta resolução espacial e temporal de um grande número de genótipos deculturas 6,12. 

Tentativas passadas de realizar medições não destrutivas da fotossíntese em campo dependeram em grande parte de dispositivos portáteis de troca gasosa 13,14,15 ou modulação de fluorescência clorofila (ChlF)16,17 do tipo PAM (pulse-amplitude-modulação). Essas abordagens têm a desvantagem compartilhada de que as medidas devem ser realizadas precisam ser manualmente clipadas ou posicionadas em uma câmarade medição 18,19. Além disso, as medições de troca gasosa em campo levam vários minutos para garantir um equilíbrio na câmara de medição. Isso torna as medições laboriosas e lentas, resultando em grandes dificuldades para alcançar um rendimento suficiente para estudar a regulação fotossintética sob condições flutuantes em geral, e particularmente para uma triagem significativa de centenas ou até milhares de genótipos em programasde melhoramento 19. Assim como os dispositivos de medição PAM ChlF mencionadosanteriormente, o método do transitório de fluorescência induzida pela luz (LIFT)20 utiliza o fato de que i) a energia luminosa que alcança a clorofila no fotosistema II (PS II) pode ser usada tanto para fotossíntese, dissipada como calor em um processo chamado têmpera não fotoquímica (NPQ) quanto por ChlF e ii) bloquear a via da fotossíntese pela saturação de um pulso de luz forte, resultando na redução dos aceitadores de elétrons a jusante de PS II, resultará em um aumento correspondente de ChlF. Com base nessa variável induzida ChlF, podemos calcular a eficiência quântica fotossintética de PS II (Fq'/F m') sob condições de luz ambiente ou a eficiência quântica máxima de PS II (Fv/F m) se as folhas fossem mantidas no escuro antes das medições.

O parâmetro Fv/F m foi estabelecido no início da década de 1980 por Kitajima e Butler21, Butler22, e Björkman e Demmig23, que relataram um valor ótimo de ≈ 0,83 em folhas não estressadas em diversas espécies. O desenvolvimento de Fq'/F m' (ΦPS II) como diagnóstico do desempenho fotossintético começou com Genty et al.24, que mostraram sua relação quase linear com a assimilação de CO2 sob condições não estressadas. Maxwell eJohnson 25 e Baker26 posteriormente forneceram uma estrutura prática para aplicar Fq'/F m', Fv/F m e NPQ, enfatizando sua sensibilidade ao estresse ambiental e seu valor na identificação de sintomas de dano como a fotoinibição. Murchie eLawson 27 destacaram o potencial (e limitações) de Fq'/F m' para fenotipagem de campos e melhoria das culturas. Mais recentemente, Long et al.8 enfatizaram que a fotossíntese em culturas ocorre sob luz flutuante, onde mudanças dinâmicas na eficiência do PS II e na regulação do NPQ afetam fortemente o ganho de carbono, ressaltando a necessidade de interpretar parâmetros de fluorescência em relação à variabilidade ambiental temporal.

Como já declarado em28, Fq'/F m' medido com um sensor LIFT estacionário correlacionou-se bem com as medições de taxa de assimilação de PAM (R2 = 0,89) e CO2 (R2 = 0,89)29,30,31. Em consonância com isso, a modelagem das respostas Fq'/F m' durante as temporadas de campo demonstrou permitir boas previsões de εc, produtividade dasculturas 12,32 e tolerância aoestresse 33. No entanto, os dispositivos de medição de ChlF do tipo PAM usam um único flash de luz (pulso saturante) para inibir a via da fotossíntese e flashes mais fracos para medir o ChlF mínimo e máximo (pulso de medição), que leva cerca de 1 s no total e, portanto, não é adequado para alta taxa de rendimento. Em contraste, o sensor LIFT produz uma sequência rápida de 300 flashlets de alta intensidade (com fótons de 40.000 μmol m-2 s-1) para alcançar uma saturação gradual da via da fotossíntese dentro de 750 μs (= 0,00075 s), enquanto o rendimento de ChlF é medidodiscretamente 20. Isso permite uma distância maior entre o dispositivo de medição e a folhaalvo 19 e possibilita medições rápidas e de alta capacidade usando um veículo portador autônomo no qual o sensor é rigidamentemontado 32. Estudos anteriores (por exemplo, 32) frequentemente eram limitados em rendimento em condições de campo ou restritos a experimentos em estufa. Embora essas abordagens tenham sido bem-sucedidas em identificar genes candidatos para a regulaçãofotossintética 12, provavelmente deixaram passar passar processos regulatórios importantes ocorrendo sob condições de campo. Portanto, hipotetizamos que um sensor LIFT montado em um robô autônomo constitui uma ferramenta adequada para medir Fq'/F m' de grandes quantidades de genótipos (várias medições por segundo em milhares de plantas ou parcelas por dia) em campo.

Protocolo

1. Configuração do sensor PPFR e do registrador de dados

  1. Conecte o sensor PPFR e o powerbank ao registrador de dados. Conecte o registrador de dados ao computador portátil e inicie o registrador usando o cliente desktop do registrador de dados.
  2. Instale o tripé da câmera ao lado do campo experimental com o sensor PPFR em cima e o registrador de dados e powerbank no chão abaixo.
    NOTA: Certifique-se de que o sensor PPFR esteja na posição vertical e não sombreado ou afetado por objetos próximos. O sensor PPFR precisaria de um gimbal se montado diretamente no robô para medir valores PPFR precisos.

2. Configuração do robô e do conjunto sensor LIFT

  1. Carregue as coordenadas do waypoint (formato .geojson) para a medição no robô. Elas podem ser as mesmas usadas para a semeadura guiada por GNSS do ensaio.
  2. Monte o conjunto do sensor LIFT na frente do robô, a uma altura de cerca de 60 cm acima da copa da plantação (ver Figura 1A).
  3. Coloque o laptop, a bateria do carro e o inversor de energia em cima do robô e conecte o inversor de energia à bateria do carro e ao conjunto do sensor LIFT.
    ATENÇÃO: O feixe de excitação do sensor LIFT é perigoso para os olhos. Olhar diretamente para o feixe de excitação deve ser estritamente evitado.
  4. Posicione o kit de antena GNSS sobre o robô, conecte-o ao laptop e inicie o cliente desktop GNSS logger.
  5. Conecte o sensor LIFT ao laptop e inicie o cliente desktop LIFT com as seguintes configurações:
    Sensor LIFT: potência de excitação = 40.000 μmol fótons m>-2 s-1; comprimento do flashlet = 1,6 μs; número de flashlets de excitação por medição única = 300; número de flashlets de relaxamento = 80; tempo entre flashlets de excitação = 2,5 μs; Tempo entre flashlets de relaxamento: ji = 101,28 + 0,0215 × i μs, onde ji é o comprimento do intervalo do i-ésimo flashlet; ganho do sensor = 10 ou 25; intervalo de medição = 0 s.
    Espectrômetro: tempo de integração espectral = 100 ms, alcance espectral de 400 a 800 nm.
    Câmeras RGB: exposição = automática; obturador = automático; ganho = automático; brilho = 0; taxa de quadros = 20 s-1; modo de disparo = permitido (aciona a câmera a cada medição LIFT).
    NOTA: A quantidade medida diretamente pelo sensor LIFT é o rendimento de ChlF (aumento no total de ChlF devido ao feixe de excitação para cada flash20). Depois, calcule Fq'/F m' como
    Fq'/F m' = (Fm' - F') / Fm' 26
    onde F' é definido como o rendimento ChlF do1º flashlet e Fm' como a média dos rendimentos ChlF dos 301st e 302nd flashlets28. A duração total de uma medição de ChlF (incluindo a fase de relaxamento) é de cerca de 21 ms, mas a duração da fase crucial de excitação do flashlet 300 é de apenas 750 μs.

3. Realização de medições de LIFT

  1. Conduza manualmente o robô até o início da primeira fileira de plots no campo experimental usando o controle remoto.
  2. Ative o script de medição do sensor LIFT e do espectrômetro em modo contínuo.
  3. Inicie a navegação autônoma do robô a 0,5 m de velocidade s-1 usando o site de controle do robô.
  4. Durante a medição, verifique periodicamente o gráfico que representa o rendimento do ChlF ao longo do tempo no cliente de desktop do conjunto do sensor LIFT para confirmar que ele possui a forma esperada ( veja a Figura 1B). Ajuste o ganho do sensor se os sinais estiverem muito fracos.
  5. Periodicamente, segure o painel de referência branco sob o feixe de excitação na altura da copa da colheita enquanto o robô gira na borda do campo.

4. Integração de dados e pré-processamento

NOTA: O código R está disponível no GitHub (https://github.com/beat2keller/lift_data_processing)

  1. Leia os dados transitórios e espectrais do LIFT de todos os dados *_data.csv e *_spectral.csv usando o pacote Rdatatable 34.
  2. Leia os dados GNSS e meteorológicos junto com os mapas gráficos .geojson e o desenho experimental.
  3. Combine os conjuntos de dados e realize análises estatísticas, por exemplo, conforme descrito no12, ou abaixo.
    1. Extraia Fq'/F m' de cada transiente registrado.
    2. Junte cada ponto GNSS ao seu gráfico correspondente com base em polígonos .geojson usando contenção espacial. Não se esqueça de considerar a distância entre o conjunto do sensor LIFT e a antena GNSS do robô.
    3. Determine o rumo do robô a partir de posições consecutivas. Misture o desenho experimental com os dados GNSS pelos identificadores de plot atribuídos.
      NOTA: Esta etapa vincula cada posição espacial às respectivas informações de tratamento (por exemplo, genótipo) e replicação (por exemplo, bloco).
    4. Combine os dados de alta resolução do sensor PPFR com dados PPFR de baixa resolução da estação meteorológica mais próxima para produzir uma série temporal PPFR incidente fundida (opcional).
      NOTA: Dados meteorológicos de baixa resolução para a Suíça podem ser derivados da rede agrometeo.ch (https://agrometeo.ch/de) conforme descrito no35.
    5. Filtre as medições de referência branca do conjunto de dados de reflectância espectral e miste-as com os dados PPFR usando carimbos de tempo para criar uma tabela de consulta para a reflectância espectral sob diferentes intensidades de luz incidente, conforme descrito em28.
    6. Corrija os dados brutos de reflectância espectral com base na tabela de consulta.
    7. Calcule o índice de clorofila terrestre do MERIS (MTCI) e o índice de vegetação de diferença normalizada (NDVI) a partir dos dados corrigidos de reflectância espectral usando as fórmulas
      Equação 1
      onde Rλ denota a reflexão média no comprimento de onda λ nm.
    8. Misture os dados de ChlF, posição/design experimental GNSS e PPFR/reflectância espectral realizando uma junção de vizinho mais próximo com uma janela de tolerância definida (por exemplo, 1 ms) baseada em carimbos de tempo.
    9. Identifique e remova linhas com valores atípicos em Fq'/F m' do conjunto de dados.
    10. Extraia tendências de resposta fotossintética específicas do genótipo (G: PPFR) dos dados corrigidos por valores atípicos de ChlF ajustando o modelo
      Fq'/F m' = β0 + β1 Data + β2 (Cabeçalho x Hora) + β3 (Genótipo × PPFR) + β4 MTCI + β5 PPFR + ε
      para o conjunto de dados filtrado por outliers.
    11. Estimar a inclinação (β3) do termo preditor (Genótipo × PPFR) usando tendências marginais estimadas (tendências em R) para obter uma medida quantitativa da resposta específica do genótipo à irradiância. Incluir o MTCI no modelo leva em conta as diferenças no conteúdo de clorofila e no status do dossel que influenciam Fq'/F m', conforme descritoanteriormente, 12.
      NOTA: Rumo indica a direção de condução do robô (derivada dos rolamentos GNSS na etapa 4.3.3) para levar em conta os potenciais efeitos direcionais durante as medições.

Resultados

No total, foram obtidas 91.205 medições transitórias de ChlF de 36 linhagens de reprodução de soja (Glycine max (L.) Merr.) em 7 dias de medição de 12 a 27 de junho de 2025. 74.927 pontos de dados puderam ser georreferenciados para gráficos, e 58.916 foram filtrados quanto à qualidade dos dados e foram combinados com dados espectrais e meteorológicos. Uma visão geral do sistema de medição e dados representativos é mostrada na Figura 1, incluindo uma imagem do instrumento em operação (Figura 1A), cinética de indução de ChlF em 12 genótipos de soja (Figura 1B) e as correspondentes curvas de reflectância espectral (Figura 1C).

Os dados georreferenciados revelaram variação espacial pronunciada tanto em Fq'/Fm' quanto em NDVI entre os dois campos experimentais (Figura 2). Esses padrões espaciais estavam parcialmente associados à direção de condução do robô (Figura 3), que foi considerada em modelagens posteriores para reduzir os potenciais efeitos do sombreamento nas folhas alvo.

A modelagem linear de efeitos mistos das respostas de Fq'/F m' a PPFR incidente (Figura 4A) explicou uma proporção substancial da variância (REquação 10 = 0,45, REquação 11 = 0,60). As inclinações específicas do genótipo extraídas (Resposta G: PPFR) mostraram diferenças claras entre as linhas de reprodução (Figura 4B), com várias linhas apresentando curvas de resposta mais íngremes ou mais planas em comparação com a média do painel (Figura 4C).

Por fim, reconstruções 3D em nível de dossel derivadas da imagem RGB e do algoritmo Matching And Stereo 3D Reconstruction (MASt3R)36 (Figura 5) demonstraram o potencial de integrar medições fisiológicas baseadas em LIFT com fenotipagem estrutural para capturar a arquitetura da copa em três dimensões.

Figura 1
Figura 1: Visão geral das medições de transientes de fluorescência induzidas pela luz (LIFT) e refletância espectral para genótipos de soja. (A) Imagem de exemplo do dispositivo LIFT em operação. A entrada mostra o feixe de excitação azul para induzir a fluorescência da clorofila (ChlF). (B) Curvas de indução transitória de ChlF medidas em 27 de junho de 2025 para 12 genótipos de soja (média ± DS, n entre 88 e 553 por genótipo, ntotal = 2.035). (C) Espectros correspondentes de reflectância foliar medidos em 25 de junho de 2025 para os mesmos genótipos (média ± SE, ntotal = 2.035). As cores indicam genótipos individuais; Barras de erro representam variação entre medições replicadas. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 2
Figura 2: Distribuição espacial da eficiência quântica do fotosistema II e valores normalizados do índice de vegetação diferencial (NDVI). A distribuição espacial dos valores de eficiência quântica (superior) do fotosistema II (Fq'/Fm') e dos valores do índice de diferença normalizada de vegetação (NDVI) (inferior) foi medida em dois campos experimentais de soja compreendendo 120 parcelas e 36 linhas de reprodução (n = 58.916). Os pontos representam locais de medição, com cores indicando o valor observado e formas indicando a direção do robô: noroeste (NO), nordeste (NE), sudoeste (SW) e sudeste (SE). Linhas pretas delimitam os limites dos campos de campo. Pontos pretos representam as coordenadas do sistema global de navegação por satélite (GNSS) do robô de campo. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 3
Figura 3: Eficiência quântica do fotosistema II. Diagramas de caixa mostram a eficiência quântica do fotosistema II (Fq'/F m') e o logaritmo da irradiância incidente a 680 nm ao longo das horas de medição (9 - 15 h) tanto para a direção nordeste (NE) quanto para sudoeste (SW) para o rumo do rover (nNE-ward = 14.339, nSE-ward = 25.669, n total = 40.008). O robô estava sombreando o ponto de medição enquanto seguia para o sudoeste pela manhã e para o leste à tarde. Cada caixa representa o intervalo interquartil (IQR), com a linha horizontal e os bigodes indicando, respectivamente, os limites mediano e 1,5 × IQR. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 4
Figura 4: Inclinações de resposta fotossintéticas. (A) Variação espacial nas inclinações estimadas de resposta fotossintética (interação entre genótipo e taxa de fluxo de fótons fotossintéticos (G: PPFR)) em dois campos experimentais de soja, derivada de modelagem linear de efeitos mistos. (B) Ajustou médias e estimou modelos as inclinações de resposta fotossintética para linhas individuais de reprodução, com genótipos de interesse destacados em cor. (C) Relação entre PPFR incidente e a eficiência quântica do fotossistema II (Fq'/F m') para os genótipos destacados, com curvas de regressão de raiz quadrada ajustadas. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 5
Figura 5: Medição da arquitetura do dossel por LIFT. A arquitetura do dossel da variedade de soja Gallec é mostrada. (A) As câmeras vermelha, verde e azul (RGB) do dispositivo transiente de fluorescência induzida pela luz (LIFT) adquiriram imagens durante a triagem para fotossíntese. (B, C) O algoritmo de correspondência e reconstrução 3D estéreo (MASt3R)36 foi usado para reconstruir a arquitetura de dossel 3D. As pirâmides indicam as posições estimadas das câmeras. Por favor, clique aqui para ver uma versão ampliada desta figura.

Discussão

Taxa de transferência do método

O método LIFT permite uma distância de medição muito maior entre o sensor e as folhas alvo do que dispositivos anteriores de troca de gás e medição ChlFdo tipo PAM 18,19, o que por sua vez possibilita a realização de medições automatizadas de alta capacidade tanto em campo quanto em ambientesinternos 12,32,37 . Isso elimina a necessidade de interação física com o dossel. A taxa de transferência do método aumenta com a velocidade de condução do robô. Para garantir a medição precisa do rendimento de ChlF ao longo do tempo, a distância percorrida durante uma medição Fq'/F m' deve permanecer negligenciável em comparação com o diâmetro da área iluminada (20 mm para o sensor LIFT). Quando o robô se move durante a excitação, o ponto iluminado também se desloca, de modo que o rendimento de ChlF por flashlet diminui, causando estimativas erradas de Fm' e Fq'/F m' em velocidades excessivas. A uma velocidade robótica de 0,5 m s-1, apenas cerca de 2,4% da área iluminada pelo último flash de excitação não estava já iluminada pelo primeiro flash de excitação, o que significa que o erro sistemático de medição em Fm' devido ao movimento do robô será numericamente insignificante (cálculo completo no GitHub, https://github.com/beat2keller/lift_data_processing). Com uma velocidade de 0,5 m s-1, medimos 300 plots (1,5 × 2 m) por hora em um campo de 40 × 36 m, correspondendo a vários milhares de plots por dia. Além disso, o peso total relativamente baixo (200 kg) e as dimensões compactas do nosso sistema de medição permitem o transporte por veículos leves, facilitando ensaios em múltiplos locais para avaliar a eficiência fotossintética emambientes 38.

Fotossíntese foliar versus dossel

As medições LIFT nesse método são espacialmente restritas à camada superior da copa, iluminada pelo sol, responsável por cerca de 50% a 70% do totalda fotossíntese 39. Além disso, a quantidade de luz que cada folha pode absorver criticamente depende de seu ângulo em relação ao sol, com folhas mais verticais geralmente aumentando o índice de área foliar, melhorando a penetração da luz e a fotossíntese do dossel40,41. Com o conjunto de sensores LIFT usado nesse método, os efeitos da arquitetura 3D da cobertura na fotossíntese de folha única ou de copa inteira podem ser modelados usando as medições de reflectância do espectrômetro28 e/ou uma reconstrução explícita da geometria 3D da copa42 baseada nas imagens do sistema de câmera RGB estéreo. Novos algoritmos, como o MASt3R36, aprendem correspondências densas e conscientes da geometria usando transformadores profundos, permitindo reconstruções 3D mais robustas e precisas em regiões amplas ou repetitivas. No entanto, mesmo sem tais correções adicionais, a utilidade de métodos automatizados e de alta produtividade, como o LIFT, para identificar variedades de culturas mais produtivas e resilientes foidemonstrada 11,43.

Limitação do sumidouro

A limitação de sumidouro, ou seja, a regulação ativa para baixo da fotossíntese devido à incapacidade da planta de usar a quantidade de fotossintatos que poderia produzir44,45, pode mascarar diferenças de εc entre genótipos. A redução da fotossíntese limitada por sumidoiros provavelmente se acentua com o aumento da concentração deCO2 naatmosfera 45. Nosso método só detecta limitação de afundamento quando ela leva a uma diminuição também em Fq'/F m'; há indícios de que isso pode realmenteacontecer 46. De qualquer forma, a relevância da limitação do sumidouro parece depender fortemente da cultura e do estágio de desenvolvimento, com o trigo durante o enchimento do grão sendo muito mais afetado do que as leguminosas degrãos 45, pois a fixação simbiótica de N destas últimas constitui um sumidouro adicional forte 1,44,46. Se a limitação de sumidouros for considerada de alta relevância em uma cultura específica durante o período em que as medições LIFT são realizadas, estudos adicionais são necessários para comparar os valores resultantes de Fq'/F m' com dados coletados simultaneamente de troca gasosa e verificar a validade da suposição de que Fq'/F m' constitui um bom indicador para εc.

Distância de medição e variabilidade na altura do dossel

O conjunto do sensor LIFT usado neste método é projetado para realizar medições a uma distância de aproximadamente 60 cm até a copa dasculturas 32,47. O sensor LIFT usado no método é relativamente robusto contra pequenas diferenças na distância de medição, mas uma distância maior geralmente parece resultar em valores um pouco menores de Fq'/F m'47. Para evitar tal viés, recomendamos usar a resposta de Fq'/F m' ao PPFR (que é mais robusta a mudanças na distância de medição) em vez dos valores absolutos de Fq'/F m' comoem 12 e/ou para levar explicitamente em conta as diferenças na altura da cobertura durante a análise de dados.

Sombreamento artificial e não intencional das folhas

O aumento da intensidade da luz geralmente diminui Fq'/F m'3,8,12. Assim, sombreamento desnecessário por parte dos operadores ou pelo sistema de medição deve serevitado 3,8,12. Para minimizar a sombra do robô, a direção de direção pode ser definida para evitar que seja totalmente32 (ao custo de redução do débito devido a viagens de ida e volta improdutivas), ou medições podem ser feitas em direções alternadas e depois corrigidas estatisticamente para efeitos de sombreamento. Neste estudo, o termo Rumo × Hora dentro do modelo estatístico de Fq'/F m' (veja o passo 4.3.10) garante que a sombra das folhas alvo pelo robô seja considerada.

Conclusão

Em resumo, um sensor LIFT montado em um robô autônomo permite medições rápidas e automatizadas da eficiência fotossintética sob condições de campo, superando as limitações de throughput de abordagens anteriores. Embora fatores como a estrutura do dossel e a limitação do sumidouro exijam consideração cuidadosa, nossos resultados demonstram que triagens de fotossíntese confiáveis e escaláveis em ensaios de campo agronômicos e viveiros de melhoramento de plantas são viáveis. O conjunto de um sistema de câmera RGB estéreo de alta resolução e o LIFT como sensor pontual permitirá um aumento adicional na precisão: a localização 3D das folhas impulsionada por IA permitirá amostrar folhas com orientação semelhante em relação ao sol e levar em conta a inclinação específica das folhas do genótipo. Do ponto de vista da pesquisa, pode ser particularmente interessante comparar a fotossíntese de genótipos com diferentes arquiteturas de dossel e realizar medições de elevação de alto rendimento sob enriquecimento de CO 2 em ar livre (FACE) para entender melhor como Fq'/F m' é afetado por processos a jusante de PS II sob condições de campo e limitações potenciais de sumidouro. Na prática, a triagem para desempenho fotossintético e tolerância ao estresse em viveiros de melhoramento até o campo do agricultor para aplicações de agricultura de precisão tem grande potencial.

Divulgações

O robô usado neste estudo foi desenvolvido pela Caterra AG, uma empresa originária do grupo de pesquisa em Ciência das Culturas da ETH Zurich, ao qual a maioria dos autores do presente artigo é afiliada. Os autores, no entanto, não estão diretamente envolvidos no desenvolvimento do robô e não declaram interesses concorrentes adicionais.

Agradecimentos

Agradecemos à Caterra AG por fornecer o chassi do robô, suporte técnico associado e ajuda em sua conversão para nossas medições. Agradecemos a Nicola Storni, do grupo de pesquisa em Ciência das Culturas do Instituto Federal de Tecnologia da Suíça de Zurique, pelo seu apoio na instalação do sistema de registro de posição GNSS no robô. Agradecimentos especiais a Christoph Barendregt do DSP Delley Seeds e Claude-Alain Bétrix da Agroscope pelo fornecimento de material vegetal da parceria Agroscope/DSP para os ensaios dentro do projeto PhenoSoy, financiado pelo Federal Office for Agriculture (FOAG). O método foi desenvolvido dentro do projeto Aumentar a sustentabilidade e a eficiência no uso de nitrogênio por melhorar as ervilhas para rotação de culturas (ECOPRot), financiado pelo centro do Sistema Mundial de Alimentos da ETH por meio de uma doação da Bayer AG e do Prêmio de Semente de Carreira da ETH Zurich. Grandes modelos de linguagem eram parcialmente usados para auxiliar na codificação e na formulação. Todos os resultados foram verificados, verificados e finalizados pelos autores.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Tripé de câmera--Qualquer tipo em que o sensor PPFR possa ser montado horizontalmente serve.
Bateria de carro (12 V / 80 Ah)Mercedes-Benz Group AG, Stuttgart, AlemanhaA 001 982 81 08-
Registrador de dadosRegistradores de Dados HOBO, Bourne, EUA.Estação HOBO U30, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/-
Cliente de Desktop Data LoggerOnset Computer Corporation, Massachusetts, EUAHOBOware Versão 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware-
Kit de antena GNSSArduSimple, Andorra la Vella, AndorraAS-STARTKIT-LR-L1L2-EUNH-00-
Cliente desktop GNSS loggeru-blox AG, Thalwil, Suíçau-center GNSS, [sic] Software de Avaliação Versão 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf-
computador portátil --Qualquer laptop rodando uma versão Windows (Microsoft Corporation, Redmond, EUA) compatível com os clientes GNSS e desktop registradores de dados serve.
Cliente desktop assembly sensor LIFTSoliense Inc., Nova York, EUAVersão.2016.04-
Conjunto do sensor LIFT
(completo com adaptador de rede de 240 V)		Soliense Inc., Nova York, EUALIFT-REMAlém do sensor LIFT propriamente dito, o conjunto do sensor LIFT incorpora um sistema de câmera estéreo RGB composto por duas câmeras Blackfly S BFS-U3-50S5C fornecidas pela FLIR Integrated Imaging Solutions Inc. (Colômbia Britânica, Canadá) [atualmente Teledyne FLIR LLC, Wilsonville, EUA] e um espectrômetro de 400 a 800 nm com resolução de 0,46 nm fornecida pela Ocean Insight, [Agora Ocean Optics] (Orlando, EUA).
  O robô mede &assínpio; 170 e mais vezes; 210 e horas; 90 cm (comprimento e vezes largura e altura) e peso & assíncima; 170 kg. O conjunto do sensor LIFT mede &assínpio; 23 e mais vezes; 34 e mais vezes; 59 cm (comprimento e largura e altura, conforme montado no robô).
inversor de potência
(12 V DC a 240 V 50 Hz CA)		Green Cell CSG S.A., Cracóvia, PolôniaINV08-
Powerbank--Qualquer powerbank USB serve.
Sensor PPFRHOBO / LI-COR, Lincoln, EUAS-LIA-M003-
Site de controle robóticoCaterra AG, Opfikon, Suíça-O link é fornecido pelo fabricante do robô individualmente para cada cliente.
Chassi protótipo de robô
(completo com controle remoto e
carregador de bateria de 240 V)		Caterra AG, Opfikon, SuíçaFirefly (protótipo, não comercializado), https://caterra.org/en/technologie/Qualquer outro robô de campo com capacidade de carga útil, largura de trilho e altura ao solo adequadas pode servir.
Painel de Referência Branco--Qualquer referência branca ou cinza serve.

Referências

  1. Lüscher, A., Hartwig, U. A., Suter, D., Nösberger, J. Direct evidence that symbiotic N2 in fertile grassland is an important trait for a strong response of plants to elevated atmospheric CO2. Global Change Biol. 6 (6), 655-662 (2000).
  2. Dong, Y., Wang, Z., Sun, H., Yang, W., Xu, H. The Response Patterns of Arbuscular Mycorrhizal and Ectomycorrhizal Symbionts Under Elevated CO2: A Meta-Analysis. Front Microbiol. 9, 1248(2018).
  3. Zhu, X. G., Long, S. P., Ort, D. R. Improving Photosynthetic Efficiency for Greater Yield. Ann Rev Plant Biol. 61 (2010), 235-261 (2010).
  4. Giunta, F., Pruneddu, G., Motzo, R. Radiation interception and biomass and nitrogen accumulation in different cereal and grain legume species. Field Crops Res. 110 (1), 76-84 (2009).
  5. Long, S. P., Zhu, X. G., Naidu, S. L., Ort, D. R. Can improvement in photosynthesis increase crop yields. Plant Cell Environ. 29 (3), 315-330 (2006).
  6. Furbank, R. T., Sharwood, R., Estavillo, G. M., Silva-Perez, V., Condon, A. G. Photons to food: genetic improvement of cereal crop photosynthesis. J Exp Botany. 71 (7), 2226-2238 (2020).
  7. Zhu, X. G., Long, S. P., Ort, D. R. What is the maximum efficiency with which photosynthesis can convert solar energy into biomass. Curr Opin Biotechnol. 19 (2), 153-159 (2008).
  8. Long, S. P., et al. Into the Shadows and Back into Sunlight: Photosynthesis in Fluctuating Light. Ann Rev Plant Biol. 73 (2022), 617-648 (2022).
  9. Zelitch, I. The Close Relationship Between Net Photosynthesis and Crop Yield. BioScience. 32 (10), 796-802 (1982).
  10. Poorter, H., et al. Pampered inside, pestered outside? Differences and similarities between plants growing in controlled conditions and in the field. New Phytol. 212 (4), 838-855 (2016).
  11. Taylor, S. H. Phenotyping photosynthesis: yes we can. J Exp Botany. 75 (3), 659-662 (2024).
  12. Keller, B., et al. Linking photosynthesis and yield reveals a strategy to improve light use efficiency in a climbing bean breeding population. J Exp Botany. 75 (3), 901-916 (2024).
  13. Ashley, D. A., Boerma, H. R. Canopy Photosynthesis and its Association with Seed Yield in Advanced Generations of a Soybean Cross. Crop Sci. (4), (1989).
  14. Carmo-Silva, E., et al. Phenotyping of field-grown wheat in the UK highlights contribution of light response of photosynthesis and flag leaf longevity to grain yield. J Exp Botany. 68 (13), 3473-3486 (2017).
  15. Gutiérrez-Rodrıguez, M., Reynolds, M. P., Larqué-Saavedra, A. Photosynthesis of wheat in a warm, irrigated environment: II. Traits associated with genetic gains in yield. Field Crops Res. 66 (1), 51-62 (2000).
  16. Lopez, M. A., Xavier, A., Rainey, K. M. Phenotypic Variation and Genetic Architecture for Photosynthesis and Water Use Efficiency in Soybean (Glycine max L. Merr). Front Plant Sci. 10, 680(2019).
  17. Schreiber, U. Detection of rapid induction kinetics with a new type of high-frequency modulated chlorophyll fluorometer. Photosynth Res. 9 (1), 261-272 (1986).
  18. Kalaji, H. M., et al. Frequently asked questions about in vivo chlorophyll fluorescence: practical issues. Photosynth Res. 122 (2), 121-158 (2014).
  19. Murchie, E. H., et al. Measuring the dynamic photosynthome. Ann Botany. 122 (2), 207-220 (2018).
  20. Kolber, Z. S., Prášil, O., Falkowski, P. G. Measurements of variable chlorophyll fluorescence using fast repetition rate techniques: defining methodology and experimental protocols. Biochim Biophys Acta BBA Bioenergetics. 1367 (1), 88-106 (1998).
  21. Kitajima, M., Butler, W. L. Quenching of chlorophyll fluorescence and primary photochemistry in chloroplasts by dibromothymoquinone. Biochim Biophys Acta BBA Bioenergetics. 376 (1), 105-115 (1975).
  22. Butler, W. L. Energy Distribution in the Photochemical Apparatus of Photosynthesis. Ann Rev Plant Biol. 29, 345-378 (1978).
  23. Björkman, O., Demmig, B. Photon yield of O2 and chlorophyll fluorescence characteristics at 77 K among vascular plants of diverse origins. Planta. 170 (4), 489-504 (1987).
  24. Genty, B., Briantais, J. M., Baker, N. R. The relationship between the quantum yield of photosynthetic electron transport and quenching of chlorophyll fluorescence. Biochim Biophys Acta BBA General Subjects. 990 (1), 87-92 (1989).
  25. Maxwell, K., Johnson, G. N. Chlorophyll fluorescence-a practical guide. J Exp Botany. 51 (345), 659-668 (2000).
  26. Baker, N. R. Chlorophyll Fluorescence: A Probe of Photosynthesis In Vivo. Ann Rev Plant Biol. 59 (Volume 59, 2008), 89-113 (2008).
  27. Murchie, E. H., Lawson, T. Chlorophyll fluorescence analysis: a guide to good practice and understanding some new applications. J Exp Botany. 64 (13), 3983-3998 (2013).
  28. Keller, B., et al. Maximum fluorescence and electron transport kinetics determined by light-induced fluorescence transients (LIFT) for photosynthesis phenotyping. Photosynth Res. 140 (2), 221-233 (2019).
  29. Ananyev, G., et al. Remote sensing of heterogeneity in photosynthetic efficiency, electron transport and dissipation of excess light in Populus deltoides stands under ambient and elevated CO2 concentrations, and in a tropical forest canopy, using a new laser-induced fluorescence transient device. Global Change Biol. 11 (8), 1195-1206 (2005).
  30. Pieruschka, R., Klimov, D., Kolber, Z. S., Berry, J. A. Monitoring of cold and light stress impact on photosynthesis by using the laser induced fluorescence transient (LIFT) approach. Funct Plant Biol. 37 (5), 395-402 (2010).
  31. Pieruschka, R., et al. Daily and seasonal dynamics of remotely sensed photosynthetic efficiency in tree canopies. Tree Physiol. 34 (7), 674-685 (2014).
  32. Keller, B., et al. Toward predicting photosynthetic efficiency and biomass gain in crop genotypes over a field season. Plant Physiol. 188 (1), 301-317 (2022).
  33. Zendonadi dos Santos, N., et al. High-throughput field phenotyping reveals genetic variation in photosynthetic traits in durum wheat under drought. Plant Cell Environ. 44 (9), 2858-2878 (2021).
  34. Barrett, T., et al. data.table: Extension of `data.frame`. , https://cran.r-project.org/web/packages/data.table/index.html (2025).
  35. Roth, L., et al. The FIP 1.0 Data Set: Highly resolved annotated image time series of 4,000 wheat plots grown in 6 years. GigaScience. 14, giaf051(2025).
  36. Leroy, V., Cabon, Y., Revaud, J. Grounding Image Matching in 3D with MASt3R. Comp Vision - ECCV 2024. , 71-91 (2025).
  37. Knopf, O., et al. Field phenotyping of ten wheat cultivars under elevated CO2 seasonal differences in chlorophyll fluorescence, plant height and vegetation indices. Front Plant Sci. 14, 1304751(2024).
  38. Piepho, H. P., et al. One, two, three: Portable sample size in agricultural research. J Agri Sci. 160 (6), 459-482 (2022).
  39. Wu, A., Hammer, G. L., Doherty, A., von Caemmerer, S., Farquhar, G. D. Quantifying impacts of enhancing photosynthesis on crop yield. Nat Plants. 5 (4), 380-388 (2019).
  40. Duncan, W. G. Leaf Angles, Leaf Area, and Canopy Photosynthesis. Crop Sci. 11 (4), (1971).
  41. Stewart, D. W., et al. Canopy Structure, Light Interception, and Photosynthesis in Maize. Agronomy J. 95 (6), 1465-1474 (2003).
  42. Song, Q., Zhang, G., Zhu, X. G. Optimal crop canopy architecture to maximise canopy photosynthetic CO2uptake under elevated CO2 a theoretical study using a mechanistic model of canopy photosynthesis. Funct Plant Biol. 40 (2), 108-124 (2013).
  43. Ort, D. R., et al. Redesigning photosynthesis to sustainably meet global food and bioenergy demand. Proc Natl Acad Sci. 112 (28), 8529-8536 (2015).
  44. Ainsworth, E. A., Rogers, A., Nelson, R., Long, S. P. Testing the "source-sink" hypothesis of down-regulation of photosynthesis in elevated [CO2] in the field with single gene substitutions in Glycine max. Agri Forest Meteorol. 122 (1), 85-94 (2004).
  45. Ainsworth, E. A., Long, S. P. 30 years of free-air carbon dioxide enrichment (FACE): What have we learned about future crop productivity and its potential for adaptation. Global Change Biol. 27 (1), 27-49 (2021).
  46. Kaschuk, G., Hungria, M., Leffelaar, P. A., Giller, K. E., Kuyper, T. W. Differences in photosynthetic behaviour and leaf senescence of soybean (Glycine max [L.] Merrill) dependent on N2 fixation or nitrate supply. Plant Biol. 12 (1), 60-69 (2010).
  47. Keller, B., et al. Genotype Specific Photosynthesis x Environment Interactions Captured by Automated Fluorescence Canopy Scans Over Two Fluctuating Growing Seasons. Front Plant Sci. 10, 1482(2019).

Reimpressões e permissões

Etiquetas

Rob de CampoFluoresc ncia da ClorofilaEfici ncia Qu nticaFotossistema IISensor LIFTFenotipagem de CultivosReflet ncia EspectralNavega o GNSSMelhoramento de Soja
Triagem de alta produtividade em campo da eficiência fotossintética em plantas agrícolas usando um robô autônomo
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.