Методическая статья

Высокопроизводительный скрининг фотосинтетической эффективности на сельскохозяйственных растениях с помощью автономного робота

1K просмотров

⸱

DOI:

10.3791/69530

⸱

9 января 2026 г.

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

В этой статье

Краткое содержание

В этой рукописи описывается неразрушительный, высокопроизводительный подход к автономным полевых измерениям квантовой эффективности фотосистемы II, спектральной отражательной способности и архитектуры растений, что позволяет проводить крупномасштабное фенотипирование фотосинтеза кроны в агрономических и селекционных полевых испытаниях.

Аннотация

Фотосинтез обеспечивает энергией не только для производства биомассы растений, но и для симбиотических процессов, таких как фиксация азота (N). Хотя потенциал дальнейшего генетического роста продуктивности основных культур за счёт улучшенного перехвата света и индекса урожая в значительной степени исчерпан, естественная или индуцированная генетическая вариация фотосинтетических признаков всё ещё предоставляет значительный потенциал для дальнейшего повышения урожайности. Однако, поскольку фотосинтез отличается высокой динамикой при колебаниях полевых условиях, сложно провести целевой отбор фотосинтетических характеристик без доступных данных с высоким пространственным и временным разрешением. Чтобы преодолеть этот разрыв, мы установили светово-индуцированное флуоресцентное переходное устройство (LIFT) на автономном поле-роботе для измерения квантовой эффективности фотосистемы II (Fq'/F m'), которая хорошо коррелирует с общей фотосинтетической эффективностью. Метод LIFT использует субсатурирующие вспышки с высокой частотой повторения для достижения максимальной флуоресценции, что позволяет проводить измерения менее чем за 1 мс с расстояния до 1 м. Робот движется со скоростью 0,5 м s-1, автономно перемещаясь по всему полю на основе координат глобальной навигационной спутниковой системы (GNSS). Спектральные измерения и стерео красные, зелёные и синие (RGB) камеры предоставляют дополнительную информацию о трёхмерных (3D) характеристиках, связанных с архитектурой растений, таких как угол листьев и интенсивность света на целевом листе. Полученные карты фотосинтетической эффективности с высоким пространственно-временным разрешением дают подробную информацию о ростовых показателях растений в агрономических полевых испытаниях или в селекционных питомниках.

Введение

Фотосинтез обеспечивает растениям не только энергетическую основу для производства биомассы и поддержания собственного метаболизма, но и фиксацию азота (N) вбобовых 1 и других симбиотическихпроцессах 2. Потенциал урожайности любой культуры зависит от доли скорости фотосинтетического потока фотонов (PPFR), перехваченной кроной (εi), доли этого излучения, которое фактически используется в фотосинтезе и превращается в биомассу (εc), а также доли энергии биомассы, распределённой в собранный продукт (εp)3. εp можно установить равным индексу урожая (HI), если последний определяется как биомасса собранного продукта, делённая на общую биомассу побегов икорней 3. Прошлые селекционные усилия в основном были сосредоточены на увеличении εi и ε c и были в этом весьмауспешными 3: Например, современные генотипы зерновых и зерновых могут достигать ε i порядка 90% и HI порядка 60%3,4, оставляя мало перспектив дальнейшего увеличения εi и εp3, 5. Для сравнения, значения εc, наблюдаемые у культур C3 иC 4, по-прежнему редко превышают 1/3 теоретического максимума в 9,4% и 12,3% соответственно. Это указывает на большой потенциал дальнейшего повышения продуктивности сельскохозяйственных культур, если εc можно увеличить путём отбора на основе естественной генетической вариации и/или целенаправленной оптимизации элементов аппарата фотосинтеза, таких как фермент рибулоза-1,5-бисфосфаткарбоксилаза/оксигеназа (RuBisCO), с помощью геннойинженерии 3,5,6,7. Однако было показано, что i) эффективность фотосинтеза очень динамична в полевых условиях, поскольку растения постоянно адаптируются к изменению света и другим ковариатамокружающей среды 8,9 ii) фотосинтетические признаки, измеренные в стационарных условиях (например, в камерах для выращивания в помещениях с искусственнымосвещением 10), демонстрируют иные модели наследственности по сравнению с нестационарным фотосинтезом, наблюдаемым в поле11. Это ограничивает полезность фенотипирования фотосинтеза в помещении для отбора более урожайных генотипов основных пищевых культур, которые на практике обычно выращиваются на открытом воздухе в поле. В результате проведение целевого отбора фотосинтетических признаков сложно, если нет данных с высоким пространственным и временным разрешением из большого числа генотипов культур 6,12. 

Предыдущие попытки провести неразрушительные измерения фотосинтеза в полевых условиях в основном опирались на портативные газообменныеустройства 13,14,15 или хлорофиллфлуоресцентные устройства типа с импульсно-амплитудной модуляцией (PAM) (ChlF)16,17. У этих подходов есть общий недостаток: листья, на которых следует проводить измерения, приходится вручную обрезать или помещать в измерительнуюкамеру 18,19. Кроме того, измерения газообмена в полевых условиях занимают несколько минут для обеспечения равновесия в измерительной камере. Это делает измерения трудоёмкими и медленными, что создаёт большие трудности для достижения достаточной пропускной способности для изучения фотосинтетической регуляции в условиях колебаний в целом, особенно для содержательного скрининга сотен или даже тысяч генотипов в программахразведения 19. Как и упомянутые PAM ChlFизмерительные устройства 17, светоиндуцированный флуоресцентный транзиент (LIFT)20 использует тот факт, что i) световая энергия, достигающая хлорофилла в фотосистеме II (PS II), может использоваться либо для фотосинтеза, рассеиваясь в виде тепла в процессе, называемом нефотохимическим затуханием (NPQ), либо с помощью ChlF и ii), блокируя путь фотосинтеза насыщением сильным световым импульсом, приводящим к восстановлению акцепторов электронов ниже PS II, приведёт к соответствующему увеличению ChlF. На основе этой индуцированной переменной ChlF можно рассчитать фотосинтетическую квантовую эффективность PS II (Fq'/F m') при условиях окружающей среды или максимальную квантовую эффективность PS II (Fv/F m) если листья хранились в темноте до измерений.

Параметр Fv/F m был установлен в начале 1980-х годов Китаджимой иБатлером 21,Батлером 22, а также Бьёркманом иДеммигом 23, которые сообщили о оптимальном значении ≈ 0,83 в нестрессовых листьях различных видов. Разработка Fq'/F m' (ΦPS II) как диагностики фотосинтетических характеристик началась у Генти и др.24, которые показали её почти линейную связь с ассимиляциейCO2 в условиях без стресса. Максвелл иДжонсон, 25 иБейкер 26, позже предоставили практическую основу для применения Fq'/F m', Fv/F, m и NPQ, подчеркивая их чувствительность к стрессу окружающей среды и их ценность для выявления симптомов повреждений, таких как фототорможение. Мёрчи иЛоусон 27 подчеркнули потенциал (и ограничения) Fq'/F m' для полевой фенотипизации и улучшения культур. В последнее время Лонг и др. 8 подчеркнули, что фотосинтез у культур происходит при колебаниях света, когда динамические изменения эффективности PS II и регуляции NPQ сильно влияют на прирост углерода, что подчёркивает необходимость интерпретации параметров флуоресценции в связи со временной изменчивостью окружающей среды.

Как уже было указанов статье 28, Fq'/F m', измеренный стационарным датчиком LIFT, коррелировал с измерениями скорости ассимиляции PAM (R2 = 0,89) иCO2 (R2 = 0,89)29,30,31. В соответствии с этим, моделирование ответов Fq'/F m' в полевые сезоны позволяет хорошо прогнозировать εc, урожайность12,32 истрессоустойчивость 33. Однако измерительные устройства типа PAM ChlF используют одну вспышку света (насыщающий импульс) для подавления пути фотосинтеза и более слабые вспышки для измерения минимального и максимального ChlF (измерительного импульса), что занимает около 1 с в общей сложности и поэтому не подходит для очень высокой пропускной способности. В отличие от этого, сенсор LIFT производит быструю последовательность из 300 вспышок высокой интенсивности (с 40 000 мкмоль фотонов m-2 s-1), обеспечивая постепенное насыщение пути фотосинтеза в течение 750 мкм (= 0,00075 с), в то время как выход ChlF дискретноизмеряется на 20. Это позволяет увеличить расстояние между измерительным прибором и целевымлистом 19 и обеспечивает быстрые и высокопроизводительные измерения с помощью автономного носителя, на котором датчик жёсткоустановлен 32. Предыдущие исследования (например, 32) часто были ограничены по производительности в полевых условиях или ограничивались экспериментами в теплицах. Хотя эти подходы успешно идентифицировали кандидаты генов для фотосинтетическойрегуляции 12, они, вероятно, упустили важные регуляторные процессы, происходящие в условиях поля. Поэтому мы выдвигаем гипотезу, что датчик LIFT, установленный на автономном роботе, является подходящим инструментом для измерения Fq'/F m' большого количества генотипов (несколько измерений в секунду на тысячах растений или участков в день) в полевых условиях.

Протокол

1. Настройка датчика PPFR и регистратора данных

  1. Подключите датчик PPFR и павербанк к регистратору данных. Подключите даталогер к ноутбуку и запустите его через настольный клиент даталогера.
  2. Установите штатив камеры рядом с экспериментальным полем с датчиком PPFR сверху, а регистратор данных и пауэрбанк — на земле.
    ПРИМЕЧАНИЕ: Убедитесь, что датчик PPFR находится в вертикальном положении и не затеняется или не подвергается воздействию ближайших объектов. Датчик PPFR потребует подвеса, если он установлен непосредственно на роботе для точного измерения PPFR-значений.

2. Настройка робота и датчика LIFT

  1. Загрузите координаты точек пути (формат .geojson) для измерения на робота. Они могут быть такими же, как и для GNSS-управляемого посева испытания.
  2. Установьте узел датчика LIFT на передней части робота на высоте около 60 см над навесом (см. рисунок 1A).
  3. Положите ноутбук, аккумулятор и инвертор питания на робота и подключите инвертор к аккумулятору и к датчику LIFT.
    ВНИМАНИЕ: Луч возбуждения датчика LIFT опасен для глаз. Смотреть прямо в пучок возбуждения нужно строго избегать.
  4. Поставьте комплект антенны GNSS сверху робота, подключите его к ноутбуку и запустите настольный клиент GNSS-логера.
  5. Подключите датчик LIFT к ноутбуку и запустите настольный клиент LIFT со следующими настройками:
    Датчик подъёмной силы: мощность возбуждения = 40 000 мкмоль фотонов m>-2 s-1; длина вспышки = 1,6 мкс; количество вспышек возбуждения за одно измерение = 300; количество релаксационных вспышек = 80; время между вспышеками возбуждения = 2,5 мкс; Время между флэшлетами релаксации: ji = 101,28 + 0,0215 × i μs, где ji — длина интервала i-го флэшлета; усиление сенсора = 10 или 25; интервал измерения = 0 с.
    Спектрометр: время спектральной интеграции = 100 мс, спектральный диапазон от 400 до 800 нм.
    RGB-камеры: экспозиция = автоматическая; затвор = автоматический; усиление = автоматическое; яркость = 0; частота кадров = 20 с-1; режим триггера = разрешено (срабатывает камера при каждом измерении LIFT).
    ПРИМЕЧАНИЕ: Величина, непосредственно измеряемая датчиком LIFT, — это выход ChlF (увеличение общего ChlF за счёт возбуждающего луча для каждоговспышки 20). Затем вычислим Fq'/Fm' как
    Fq'/F m' = (Fm' - F') / Fm' 26
    где F' определяется как выход ChlFпервого флэшлета, а Fm' — как среднее значение выходов ChlF 301-го и 302-го вспышки28. Общая продолжительность одного измерения ChlF (включая фазу релаксации) составляет около 21 мс, но длительность критической фазы возбуждения с 300 флэшлетами составляет всего 750 мкс.

3. Проведение измерений LIFT

  1. Вручную управляйте роботом к началу первого ряда графиков в экспериментальном поле с помощью пульта дистанционного управления.
  2. Активируйте скрипт измерения для датчика LIFT и спектрометра в непрерывном режиме.
  3. Запустите автономную навигацию робота на скорости 0,5 м s-1 с помощью сайта управления роботами.
  4. Во время измерения периодически проверяйте график, отражающий выход ChlF, в настольном клиенте сенсорной сборки LIFT, чтобы убедиться, что он имеет ожидаемую форму (см. рисунок 1B). Регулируйте усиление датчика, если сигналы слишком слабые.
  5. Периодически держите белую опорную панель под лучом возбуждения на высоте кроны поля, пока робот поворачивается у границы поля.

4. Интеграция и предварительная обработка данных

ПРИМЕЧАНИЕ: Код R доступен на GitHub (https://github.com/beat2keller/lift_data_processing)

  1. Считывайте в LIFT временные и спектральные данные всех *_data.csv и *_spectral.csv используя пакет R data.table34.
  2. Читайте GNSS и погодные данные вместе с графиками .geojson и экспериментальным дизайном.
  3. Объедините наборы данных и проведите статистический анализ, например, как описано встатье 12 или ниже.
    1. Извлекать Fq'/Fm' из каждого записанного транзиента.
    2. Соедините каждую точку GNSS с соответствующим графиком на основе полигонов .geojson с помощью пространственного содержания. Не забудьте учесть расстояние между датчиком LIFT и антенной GNSS на роботе.
    3. Определите курс робота по последовательным позициям. Объединить экспериментальный дизайн с данными GNSS по назначенным идентификаторам графика.
      ПРИМЕЧАНИЕ: Этот шаг связывает каждую пространственную позицию с соответствующими данными о обработке (например, генотип) и репликации (например, блок).
    4. Комбинировать высокоточные данные с датчика PPFR с низкокачественными данными PPFR от ближайшей метеостанции, чтобы получить временной ряд с взрывающимися инцидентами PPFR (по необходимости).
      ПРИМЕЧАНИЕ: Метеорологические данные низкого разрешения для Швейцарии можно получить из сети agrometeo.ch (https://agrometeo.ch/de), как описано встатье 35.
    5. Отфильтруйте белые эталонные измерения из спектрального набора данных по отражательной способности и объедините их с данными PPFR с помощью временных меток для создания таблицы поиска спектральной отражательной способности при различных интенсивностях падающего света, как описанов статье 28.
    6. Исправьте исходные данные спектрального отражения на основе таблицы поиска.
    7. Вычислите индекс наземного хлорофилла MERIS (MTCI) и нормированный индекс разности растительности (NDVI) на основе скорректированных данных спектрального отражения с помощью формул
      Уравнение 1
      где Rλ обозначает среднее отражение на длине волны λ нм.
    8. Объединить данные ChlF, GNSS позиционно-экспериментального проектирования и PPFR/спектральное отражение, выполнив соединение ближайших соседей с определённым окном допуска (например, 1 мс) на основе временных меток.
    9. Определите и удалите строки с выбросами в Fq'/F m' из набора данных.
    10. Извлекать генотип-специфические фотосинтетические тенденции реакции (G: PPFR) из данных ChlF, скорректированных выбросами, путём адаптации модели
      Fq'/F m' = β0 + β 1 Дата + β 2 (Курс x час) + β 3 (Генотип × PPFR) + β 4 MTCI + β 5 PPFR + ε
      в набор данных с фильтром выбросов.
    11. Оценить наклон (β3) термина-предиктора (генотип × PPFR) с использованием предполагаемых маргинальных тенденций (эмтрендов в R), чтобы получить количественную меру генотип-специфического ответа на излучение. Включение MTCI в модель учитывает различия в содержании хлорофилла и состоянии кроны, которые влияют на Fq'/F m', как описаноранее, 12.
      ПРИМЕЧАНИЕ: Курс обозначает направление движения робота (полученное из подшипников GNSS на шаге 4.3.3) с учётом возможных направленных эффектов во время измерений.

Результаты

Всего было получено 91 205 измерений ChlF для 36 селекционных линий сои (Glycine max (L.) Merr.) за 7 дней измерений с 12 по 27 июня 2025 года. 74 927 точек данных можно было геопривязать к графикам, а 58 916 точек были отфильтрованы по качеству данных и успешно сопоставлены со спектральными и погодными данными. Обзор установки измерений и репрезентативные данные показан на рисунке 1, включая изображение действующего прибора (рисунок 1A), индукционную кинетику ChlF по 12 генотипам сои (рисунок 1B) и соответствующие спектральные кривые отражения (рисунок 1C).

Геопривязанные данные выявили выраженную пространственную вариацию как в Fq'/F m', так и в NDVI в двух экспериментальных полях (см. рисунок 2). Эти пространственные паттерны частично были связаны с направлением движения робота (рисунок 3), что было учтено при последующем моделировании для снижения потенциального влияния затенения на целевые листья.

Линейное смешанное моделирование реакций Fq'/F m' на инцидентный PPFR (рисунок 4A) объяснило значительную часть дисперсии (RУравнение 10 = 0,45, RУравнение 11 = 0,60). Извлеченные генотип-специфические склоны (ответ G: PPFR) показали явные различия между линиями разведения (рисунок 4B), при этом некоторые линии демонстрировали более крутые или более плоские кривые отклика по сравнению со средним по панели (рисунок 4C).

Наконец, 3D-реконструкции на уровне купола, полученные на основе RGB-визуализации и алгоритма Matching And Stereo 3D Reconstruction (MASt3R)36 (рисунок 5), продемонстрировали потенциал интеграции физиологических измерений на основе LIFT с структурным фенотипированием для отражения архитектуры кроны в трёх измерениях.

Рисунок 1
Рисунок 1: Обзор измерений светоиндуцированных флуоресцентных переходов (LIFT) и спектральной отражательной способности для генотипов сои. (A) Пример изображения устройства LIFT в работе. Вход показывает синий пучок возбуждения, индуцирующий флуоресценцию хлорофилла (ChlF). (B) Временные индукционные кривые ChlF, измеренные 27 июня 2025 года для 12 генотипов сои (среднее ± SD, n от 88 до 553 на генотип, n всего = 2 035). (C) Соответствующие спектры отражения листьев, измеренные 25 июня 2025 года для тех же генотипов (средние ± SE, nвсего = 2 035). Цвета указывают на отдельные генотипы; Полоски ошибок обозначают вариации между повторяющими измерениями. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 2
Рисунок 2: Пространственное распределение квантовой эффективности фотосистемы II и нормированных разностей индекса растительности (NDVI). Пространственное распределение (верхней) квантовой эффективности фотосистемы II (F q'/F m') и (нижняя) нормированная разница вегетационного индекса (NDVI) было измерено на двух экспериментальных соевых полях, включающих 120 участков и 36 селекционных линий (n = 58 916). Точки обозначают места измерения, цвета указывают наблюдаемое значение, а формы — направление движения робота: северо-запад (северо-запад), северо-восток (северо-восток), юго-запад (юго-запад) и юго-восток (юго-восток). Чёрные линии очерчивают границы полевого участка. Чёрные точки обозначают координаты глобальной навигационной спутниковой системы (GNSS) полевого робота. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 3
Рисунок 3: Квантовая эффективность фотосистемы II. Коробочные графики показывают квантовую эффективность фотосистемы II (Fq'/F m') и логарифм падающей иррадиации на расстоянии 680 нм через часы измерения (9–15 ч) для направления направления ровера на северо-восток (северо-восток) и юго-запад (SW) в сторону (nNE-ward = 14 339, nSE-ward = 25 669, n всего = 40 008). Робот затенял точку измерения, двигаясь утром на юго-запад и днём — на северо-восток. Каждая коробка представляет межквартильный диапазон (IQR), а горизонтальная линия и усы указывают на медиану и 1,5 × IQR соответственно. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 4
Рисунок 4: Наклоны фотосинтетического отклика. (A) Пространственные вариации предполагаемых наклонов фотосинтетического отклика (взаимодействие между генотипом и скоростью потока фотонной энергии (G: PPFR)) по двум экспериментальным полям сои, полученные на основе линейного смешанного эффектного моделирования. (B) Скорректированы средние и модельно оценённые фотосинтетические наклоны отклика для отдельных линий размножения, с выделенными интересующими генотипами в цвете. (C) Связь между инцидентным PPFR и квантовой эффективностью фотосистемы II (Fq'/F m') для выделенных генотипов с подгоняемыми регрессионными кривыми квадратного корня. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 5
Рисунок 5: Измерение архитектуры купола с помощью LIFT . Показана архитектура кроны сорта сои Gallec. (A) Красные, зелёные и синие (RGB) камеры устройства светоиндуцированного флуоресцентного транзиента (LIFT) получали изображения во время скрининга для фотосинтеза. (B, C) Алгоритм сопоставления и стерео 3D-реконструкции (MASt3R)36 использовался для реконструкции архитектуры 3D-купола. Пирамиды указывают на предполагаемое положение камер. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Обсуждение

Пропускная способность метода

Метод LIFT позволяет значительно увеличить измерение расстояния между датчиком и листьями мишени по сравнению с предыдущими газообменными и PAM-измерительными устройствамиChlF 18,19, что, в свою очередь, позволяет автоматизировать высокопроизводительные измерения как в полевых условиях, так и в помещениях12, 32 и 37. Это устраняет необходимость физического взаимодействия с кроной. Пропускная способность метода увеличивается с увеличением скорости движения робота. Для обеспечения точного измерения выхода ChlF со временем расстояние, пройденное при одном измерении Fq'/F m' должно оставаться незначительным по сравнению с диаметром освещаемой площади (20 мм для датчика LIFT). Когда робот движется во время возбуждения, освещенное пятно также смещается, так что выход ChlF на вспышка снижается, что в конечном итоге приводит к ошибочным оценкам F m' и Fq'/F m' при чрезмерных скоростях. При скорости робота 0,5 м s-1 только около 2,4% площади, освещённой последним вспышкой возбуждения, не были уже освещены первым вспышкой возбуждения, что означает, что ошибка систематического измерения на Fm', вызванная движением робота, будет численно незначительна (полный расчёт на GitHub, https://github.com/beat2keller/lift_data_processing). При скорости 0,5 м с-1 мы измерили 300 участков (1,5 × 2 м) в час на поле диаметром 40 × 36 м, что соответствует нескольким тысячам участков в день. Кроме того, относительно небольшая общая масса (200 кг) и компактные размеры нашей измерительной системы позволяют перевозить легкими транспортными средствами, что способствует многолокационным испытаниям для оценки фотосинтетической эффективности в различныхусловиях 38.

Фотосинтез листьев и кроны

Измерения LIFT в этом методе пространственно ограничены самым верхним, освещённым солнцем слоем кроны, который отвечает примерно за 50–70% общегофотосинтеза 39. Кроме того, количество света, которое каждый лист может поглощать, критически зависит от его угла относительно солнца, при этом более вертикальные листья обычно увеличивают индекс площади листьев, улучшая проникновение света и фотосинтез кроны40,41. С помощью сенсора LIFT, используемого в этом методе, влияние 3D-архитектуры купола на фотосинтез с одним или целым пологом может быть смоделировано с помощью измерений отражательной способностиспектрометра 28 и/или явной реконструкции 3D-геометриикупола 42 на основе изображений стереосистемы RGB-камеры. Новые алгоритмы, такие как MASt3R36, изучают плотные, геометрические соответствия признаков с помощью глубоких трансформаторов, что позволяет проводить более надёжную и точную 3D-реконструкцию на широких или повторяющихся областях. Однако даже без таких дополнительных корректировок была продемонстрирована полезность автоматизированных высокопроизводительных методов, таких как LIFT, для выявления более продуктивных и устойчивых сортов культур11,43.

Ограничение sink

Ограничение поглотителя, то есть активное снижение фотосинтеза из-за неспособности растения использовать количество фотосинтезов, которое оно могло быпроизводить 44,45, может скрыть различия в εc между генотиповами. Ограниченное поглощением фотосинтеза, вероятно, усиливается с увеличением концентрацииCO2 ватмосфере 45. Наш метод может обнаружить ограничение стока только тогда, когда оно приводит к уменьшению также Fq'/F m'; Есть признаки того, что это действительноможет происходить 46. В любом случае, значимость ограничения погружения, по-видимому, сильно зависит от культуры и стадии развития, при этом пшеница во время наполнения зерна страдает гораздо сильнее, чем бобовые45, поскольку симбиотическая фиксация азота у последних образует сильный дополнительныйпоглотилитель 1,44,46. Если ожидается, что ограничение погружения будет иметь высокую значимость для конкретной культуры в период, когда проводятся измерения LIFT, необходимы дальнейшие исследования для сравнения полученных значений Fq'/F m' с одновременно собранными данными газообмена и проверки достоверности предположения, что Fq'/F m' является хорошим прокси для εc.

Расстояние измерения и изменчивость высоты кроны

Датчик LIFT, используемый в этом методе, предназначен для проведения измерений на расстоянии примерно 60 см до кроныпосевов 32,47. Датчик LIFT, используемый в методе, достаточно устойчив к незначительным различиям в измерении расстояния, но большее расстояние обычно приводит к немного меньшим значениям Fq'/F m'47. Чтобы избежать такого смещения, мы рекомендуем использовать отклик Fq'/F m' на PPFR (который более устойчив к изменениям расстояния измерения) вместо абсолютных значений Fq'/Fm', как в12, и/или для явного учёта различий в высоте кроны при анализе данных.

Непреднамеренное искусственное затемнение листьев

Увеличение интенсивности света обычно снижает Fq'/F m'3,8,12. Таким образом, ненужное затенение операторами или системой измерения следуетизбегать 3,8,12. Чтобы минимизировать затенение от робота, направление движения можно либо полностью предотвратитьего 32 (за счёт снижения пропускной способности из-за неэффективных обратных поездок), либо измерять в чередующихся направлениях и затем статистически скорректировать для эффектов затенения. В этом исследовании термин Курс × час в статистической модели Fq'/Fm' (см. шаг 4.3.10) гарантирует, что робот учитывает затенение целевых листьев.

Заключение

В заключение, датчик LIFT, установленный на автономном роботе, позволяет быстро и автоматически измерять фотосинтетическую эффективность в условиях поля, преодолевая ограничения по пропускной способности, присущие предыдущим подходам. В то время как такие факторы, как структура кроны и ограничение погружения, требуют тщательного рассмотрения, наши результаты показывают, что надёжные и масштабируемые скрининги фотосинтеза в агрономических полевых испытаниях и в питомниках селекции растений вполне возможны. Сочетание высокоразрешённой стереосистемы RGB-камер и LIFT в качестве точечного сенсора позволит дополнительно повысить точность: искусственный интеллект с 3D-локализацией листьев позволит отбирать образцы листьев с похожей ориентацией к солнцу и учитывать генотип-специфический наклон листьев. С исследовательской точки зрения может быть особенно интересно сравнить фотосинтез генотипов с разной архитектурой кроны и провести высокопроизводительные измерения LIFT при обогащенииСО2 в свободном воздухе (FACE), чтобы лучше понять, как Fq'/F m' влияет на процессы ниже PS II при полевых условиях и потенциальных ограничениях поглотителя. На практике скрининг на фотосинтетическую эффективность и стрессоустойчивость в селекционных питомниках вплоть до поля фермера для точного земледелия имеет большой потенциал.

Раскрытие информации

Робот, использованный в этом исследовании, был разработан компанией Caterra AG, возникшей из исследовательской группы ETH Zurich Crop Science, к которой связаны большинство авторов данной статьи. Однако авторы не участвуют напрямую в разработке робота и не заявляют о дополнительных конкурирующих интересах.

Благодарности

Благодарим Caterra AG за предоставленное шасси робота, сопутствующую техническую поддержку и помощь с его преобразованием для наших измерений. Благодарим Николу Сторни из исследовательской группы по науке о культурах Швейцарского федерального технологического института в Цюрихе за поддержку в создании системы логирования позиций GNSS на роботе. Особая благодарность выражаем Кристофу Барендрегту из DSP Delley Seeds и Клоду-Алену Бетриксу из Agroscope за предоставление растительного материала из партнерства Agroscope/DSP для испытаний в рамках проекта PhenoSoy, финансируемого Федеральным управлением по сельскому хозяйству (FOAG). Метод был разработан в рамках проекта «Повышение устойчивости и эффективности использования азота путём улучшения гороха для севооборота (ECOPRot), финансируемого центром Всемирной продовольственной системы ETH за счёт пожертвования Bayer AG и премии ETH Zurich Career Seed Award. Крупные языковые модели частично использовались для помощи в кодировании и формулировках. Все результаты были проверены, подтверждены и окончательно утверждены авторами.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Штатив камеры--Подойдёт любой тип, на который можно горизонтально установить датчик PPFR.
Автомобильный аккумулятор (12 В / 80 А)Mercedes-Benz Group AG, Штутгарт, ГерманияA 001 982 81 08-
Регистратор данныхРегистраторы данных HOBO, Борн, США.Станция HOBO U30, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/-
Настольный клиент для регистратора данныхOnset Computer Corporation, Массачусетс, США.HOBOware версия 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware-
Комплект антенны GNSSArduSimple, Андорра-ла-Велья, АндорраAS-STARTKIT-LR-L1L2-EUNH-00-
Настольный клиент GNSS Loggeru-blox AG, Тальвиль, Швейцарияu-center GNSS, [sic] Оценка программного обеспечения версии 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf-
ноутбук и нбсп;--Подойдёт любой ноутбук с версией Windows (Microsoft Corporation, Редмонд, США), совместимый с настольными клиентами GNSS и регистратором данных.
Настольный клиент сборки датчика LIFTSoliense Inc., Нью-Йорк, США.Версия.2016.04-
Сборка датчика подъёмной силы
(в комплекте с сетевым адаптером на 240 В)		Soliense Inc., Нью-Йорк, США.LIFT-REMВ дополнение к самому сенсору LIFT, сборка датчика LIFT включает систему стереокамер RGB, состоящую из двух камер Blackfly S BFS-U3-50S5C, поставленных компанией FLIR Integrated Imaging Solutions Inc. (Британская Колумбия, Канада) [ныне Teledyne FLIR LLC, Уилсонвилл, США], и спектрометра с разрешением 0,46 нм, предоставленного компанией Ocean Insight, [Теперь Ocean Optics] (Орландо, США).
  Робот измеряет и асимпирует; 170 и больше раз; 210 и раз; 90 см (длина и раз; ширина и раз; высота) и вес и асимп; 170 кг. Сборка датчика LIFT измеряет и асимп; 23 и раза; 34 и раза; 59 см (длина и раз; ширина и высота, установленная на роботе).
Инвертор питания
(12 В постоянного тока до 240 В 50 Гц переменного тока)		Green Cell CSG S.A., Краков, ПольшаINV08-
Пауэрбанк--Подойдёт любой USB-пауэрбанк.
Датчик PPFRHOBO / LI-COR, Линкольн, США.S-LIA-M003-
Сайт управления роботамиCaterra AG, Опфикон, Швейцария-Ссылка предоставляется производителем робота индивидуально для каждого клиента.
Прототип шасси робота
(в комплекте с пультом дистанционного управления и
сетевой зарядной батареи на 240 В)		Caterra AG, Опфикон, ШвейцарияFirefly (прототип, не продавается), https://caterra.org/en/technologie/Любой другой полевой робот с соответствующей полезной грузоподъемностью, шириной пути и дорожным просветом может подойти.
Белая эталонная панель--Подойдёт любая белая или серая ссылка.

Ссылки

  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).

Перепечатки и разрешения

Теги

IILIFTGNSS
Высокопроизводительный скрининг фотосинтетической эффективности на сельскохозяйственных растениях с помощью автономного робота
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.