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

Investigamos a fotossíntese sob condições de campo flutuantes para identificar variedades eficientes e resilientes, além de descobrir os alelos benéficos subjacentes. A fotossíntese é avaliada principalmente por meio de medições manuais demoradas de PAM e troca gasosa, que limitam a detecção de dinâmicas sazonais e a triagem de alta diversidade genética. Para começar, instale o tripé da câmera ao lado do campo experimental.

Coloque o sensor PPFR em cima do tripé e coloque o registrador de dados e o power bank no chão, abaixo do tripé. Agora monte o conjunto do sensor LIFT na frente do robô, posicionando-o a uma altura de aproximadamente 60 centímetros acima da copa da cultura. Coloque o laptop, a bateria do carro e o inversor de energia em cima do robô.

Conecte o inversor de energia à bateria do carro. Depois, conecte o inversor ao conjunto do sensor LIFT. Em seguida, posicione o kit de antena GNSS sobre o robô.

Conecte o kit de antena ao laptop, inicie o cliente desktop GnssLogger e ajuste as configurações desejadas. A quantidade medida diretamente pelo sensor LIFT é o rendimento de fluorescência da clorofila, que é o aumento da fluorescência total da clorofila devido ao feixe de excitação para cada flashlet. Seja para calcular a eficiência quântica do fotosistema II, use a fórmula dada.

Enquanto a fase de excitação de 300 flashlets dura apenas 750 microssegundos, a duração total de uma única medição de fluorescência da clorofila, incluindo a fase de relaxamento, é de aproximadamente 21 milissegundos. Em seguida, conduza manualmente o robô até o início da primeira fileira de plots no campo experimental usando o controle remoto. Ative o script de medição tanto do sensor LIFT quanto do espectrômetro em modo contínuo.

Inicie a navegação autônoma do robô a uma velocidade de 0,5 metros por segundo usando o site de controle do robô. Durante a medição, verifique periodicamente o gráfico que representa o rendimento de fluorescência da clorofila ao longo do tempo no cliente desktop do sensor LIFT para confirmar a forma esperada. Se os sinais parecerem muito fracos, ajuste o ganho do sensor de acordo.

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. Use o pacote de tabela de dados em R para ler os dados transitórios e espectrais do LIFT de todos os arquivos terminando em dados CSV e CSV espectral. Leia os dados GNSS, dados meteorológicos, os mapas gráficos GeoJSON e o arquivo de projeto experimental.

Extraia a eficiência quântica do fotosistema II de cada transiente LIFT registrado. Depois, determine o rumo do robô com base em posições consecutivas de GNSS. Misture os dados GNSS com o desenho experimental usando os identificadores de plot atribuídos para associar localizações espaciais às informações de tratamento e replicação.

Filtre as medições de referência branca do conjunto de dados de reflectância espectral e misture essas medições com os dados PPFR usando carimbos de tempo para criar uma tabela de consulta que vincule a reflectância espectral a diferentes intensidades de luz incidente. Agora aplique correções aos dados brutos de reflectância espectral usando a tabela de consulta gerada. Extraia tendências de resposta fotossintética específicas para genótipo do conjunto de dados de fluorescência de clorofila filtrado por valores atípicos com o modelo.

Estimar a inclinação do genótipo pelo termo de interação PPFR usando a função de tendências em R para quantificar a resposta de irradiância específica do genótipo. O modelo inclui MTCI para levar em conta variações no teor de clorofila e na estrutura do dossel. Durante o verão, 36 linhagens de reprodução de soja foram medidas.

O conjunto de dados georreferenciado revelou fortes padrões espaciais tanto na eficiência quântica do fotosistema II quanto no índice de vegetação diferencial normalizada nos campos experimentais devido a diferentes genótipos cultivados nos plots e provavelmente à heterogeneidade adicional do solo e do campo. Padrões espaciais em fileiras foram parcialmente explicados pela direção de direção do robô de campo, que causava sombreamento das folhas-alvo em um horário específico do dia. A modelagem linear de efeitos mistos das respostas ao longo da temporada da eficiência quântica do fotosistema II ao aumento da taxa de fluxo de fótons fotossintéticos incidentes, ou PPFR, revelou uma heterogeneidade pronunciada em nível de campo, explicando uma parte substancial da variância no conjunto de dados.

As inclinações específicas do genótipo extraídas mostraram diferenças claras entre as linhas de reprodução, com várias linhas apresentando curvas de resposta mais íngremes ou mais planas da eficiência quântica do fotosistema II ao aumento das intensidades luminosas em comparação com a média do painel. Reconstruções tridimensionais do dossel, usando o algoritmo MOSS T3R, mostraram o potencial de integrar fenotipagem fisiológica e estrutural. Medições automatizadas de LIFT ao longo da temporada revelam heterogeneidade fisiológica dentro das copas dos plots e, importante, eficiências fotossintéticas distintas entre genótipos.

Nossa abordagem captura medições de fotossíntese em tempo real de forma não invasiva e autônoma em milissegundos, permitindo a comparação rápida das respostas fotossintéticas ao longo de estações completas e genótipos diversos. Trabalhos futuros integrarão o LIFT com dados genômicos, térmicos e 3D da copa para prever com mais precisão a fotossíntese, a resiliência ao estresse e a produtividade das culturas.