Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Environment

RGB e raiz Spectral Imaging para fenotipagem de planta e pesquisa fisiológica: instalação Experimental imagem e protocolos

Published: August 8, 2017 doi: 10.3791/56251

Summary

Um protocolo experimental é apresentado para avaliação do solo cultivado sistemas de raiz de planta com RGB e geração de imagens hiperespectrais. Combinação de tempo de imagem RGB série com informações quimiométricas de hiperespectrais verifica otimiza insights sobre a dinâmica de raiz da planta.

Abstract

Melhor entendimento da dinâmica de raiz da planta é essencial para melhorar a eficiência de utilização de recursos de sistemas agrícolas e aumentar a resistência das cultivares safra contra estresses ambientais. Um protocolo experimental é apresentado para RGB e imagem hiperespectral de sistemas da raiz. A abordagem utiliza rhizoboxes, onde plantas crescem no solo natural ao longo de um tempo maior para observar sistemas totalmente desenvolvidos de raiz. Configurações experimentais são exemplificadas pela avaliação rhizobox plantas sob estresse hídrico e estudar o papel das raízes. Uma configuração de imagem RGB é descrita para a quantificação de barata e rápida de desenvolvimento radicular ao longo do tempo. Imagens hiperespectrais melhora a segmentação de raiz do fundo solo comparado a limiarização de cor com base em RGB. A força especial de imagens hiperespectrais é a aquisição de quimiométricas informações sobre o sistema de raiz-solo para entendimento funcional. Isso é demonstrado com mapeamento conteúdo de água de alta resolução. Imagem espectral, no entanto, é mais complexa na aquisição de imagens, processamento e análise em comparação com a abordagem RGB. Uma combinação de ambos os métodos pode otimizar uma avaliação abrangente do sistema raiz. Exemplos de aplicações, integração de raiz e características na superfície são dadas para o contexto da pesquisa fisiológica fenotipagem e planta de planta. Reforço da imagem latente de raiz pode ser obtido através da otimização de qualidade de imagem RGB com melhor iluminação usando diferentes fontes de luz e, por extensão, dos métodos de análise de imagem para inferir sobre propriedades de zona raiz de dados espectrais.

Introduction

Raízes fornecem várias funções essenciais para as plantas tais como armazenamento de assimila, fixação de plantas terrestres no solo e a absorção e o transporte de água e nutrientes1. Do ponto de vista evolutivo, a formação dos eixos de raiz é considerada uma condição fundamental para a origem da terra plantas2. Apesar deste importante papel, historicamente raízes ocuparam apenas uma posição marginal na pesquisa biológica. Em tempos mais recentes, no entanto, existe uma crescente interesse científico em sistemas de raiz de planta como evidenciado na Figura 1.

Figure 1
Figura 1: Relevância de estudos de raiz em Ciências de planta.
Número de raiz relacionados com estudos como uma porcentagem de todos os estudos de planta publicada em revistas do SCI nas últimas décadas. Pesquisar resultado da Scopus usando palavras-chave "planta" e "planta e raiz". Clique aqui para ver uma versão maior desta figura.

Dois principais motivos podem ser a hipótese de fundamentam os recentes avanços na pesquisa de raiz. Vegetação terrestre, primeira é exposta a estresses ambientais mais frequentes, como resultado da mudança global3. No contexto da produção de culturas agrícolas estima-se que globalmente cerca de 30% da área agrícola são limitados por água e fósforo4,5. Redução do estresse de colheitas são uma razão principal para rendimento significativas lacunas que são estimados globalmente em menor 50% da produtividade potencial de sequeiro agro-ecossistemas6. Além de disponibilidade de recursos baixos, isso também está relacionado à eficiência de uso recurso pobre, ou seja, insuficiente capacidade de uma planta para explorar os recursos disponíveis7. Isso resulta em perdas de recursos móveis, tais como o nitrato, que pode afetar negativamente a outros ecossistemas. Por exemplo, a eficiência de uso de nitrogênio global atual é estimada em 47%8. Usar o recurso melhor eficiência através de métodos de melhoria da gestão e cultivares, portanto, de grande importância para ambos sustentado crescimento dos produtos agrícolas, bem como para a sustentabilidade ambiental. Nesta fábrica de contexto raízes são consideradas para ser um alvo chave para melhoria de culturas e cultivo sistemas9,10.

Um segundo fundo importante para o interesse recente em raízes de plantas é o avanço tecnológico nos métodos de medição. Métodos raiz tempo tem sido restrito pelos dois principais desafios: para medição de raízes de plantas que crescem no solo, eles tiveram que ser isolados para quantificação, principalmente lavando11, perturbando o arranjo arquitectónico dos eixos de raiz. Observação de raiz in situ utilizando escavação métodos, conservando assim a localização natural das raízes no solo, têm sido utilizados para descrição botânica12. Ainda são muito demorados e, portanto, não atende aos requisitos de taxa de transferência de análise comparativa estrutural-funcional sistema de raiz. Por outro lado elevado-throughput métodos para medição de arquitectura de raiz foram feitos principalmente em meios artificiais e para mudas de plantas13 onde a extrapolação para o ambiente natural de crescimento das plantas é questionável14.

O crescimento recente da investigação de raiz é fortemente ligado ao avanço em métodos15por imagens. Abordagens em estudos de raiz de imagem aproximadamente pode ser agrupado em três tipos. Primeiro, existem métodos 3D de alta resolução como CT e MRI16. Esses métodos são mais adequados para estudar processos de interação das raízes de plantas com o solo, tais como secas induzidas pelo xilema embolia17. Normalmente são aplicados à comparativamente pequenas amostras onde eles permitem observações detalhadas. Uma comparação de CT e MRI para potes de diferente tamanhos e raiz fina imagem é fornecida em18. Em segundo lugar, há elevado-produção de imagem métodos19,20. Esses métodos são na maior parte com base em comum 2D RGB imagens de raízes crescendo em meios artificiais (gel, papel de germinação) onde o alto contraste permite comparativamente simples dissecação entre raízes e plano de fundo. Eles são adequados para a comparação de alta taxa de transferência entre os traços de raiz de mudas de genótipos diferentes culturas sob padronizada artificial crescente condições13. Entre essas duas abordagens são métodos rhizobox: eles usam imagens 2D de raízes crescendo no solo por longo período de tempo e tem taxa de transferência média21,22. Um desafio recente para imagem (2D) raiz é capturar também indicadores de funcionalidade de raiz, além da descrição da estrutura23.

No presente trabalho, apresentamos os protocolos experimentais para rhizobox crescido sistemas de raiz, usando (i) uma barata e simples feito por RGB de imagem (ii) um mais complexo NIR imagem instalação e imagem. Resultados de exemplo obtidos a partir destas duas configurações são mostrados e discutidos no contexto da planta fenotipagem e Plante a pesquisa fisiológica.

Discussion

Os protocolos fornecem duas abordagens complementares para o solo cultivado de imagem de sistema radicular. Um passo crítico para resultados experimentais confiáveis está enchendo do rhizoboxes que tem que garantir uma camada homogênea e até mesmo substrato no vidro da frente para proporcionar contato solo-raiz apertado a janela de observação e evitar lacunas de ar. Esta é a principal razão para usar o solo peneirado comparativamente fino de < 2 mm: agregados maiores resultam em morfologia de superfície superior a janela de observação com vazios entre os agregados. Além de um maior risco de desidratação de dica de raiz, isso também requer mais complexas técnicas de processamento de imagem para mapeamento de água31.

Modificações do protocolo, portanto, focar melhor e rápido enchimento de rhizoboxes. Tempo de enchimento atualmente é cerca de 30 minutos pela caixa. Além do uso de rhizoboxes com duas janelas de vidro para a imagem latente de ambos os lados e modificações para otimizar a homogeneidade de iluminação para imagens RGB melhores são testados. Nova prorrogação de hardware também pode considerar a integração de planar optodes32 , bem como da capacidade de imagem33 no sistema rhizobox. No entanto, esta é além de atividades de atualização atuais.

Modificações de software focar o registo automático da imagem para fundir a parte superior e inferior RBG fotos34. Para hiperespectrais extração de recurso sem supervisão avançado de imagem aproxima-se28 , bem como métodos de deteção de destino supervisionados mais sensíveis tais como SVMs35 são testados. Assim, os dados hiperespectrais potencialmente permitem a avaliação de múltiplas Propriedades rizosfera, solo e raiz36. Além disso pretende-se desenvolver um (semi) automatizados software para rhizobox raiz imagens com base em uma versão modificada do sistema radicular Analyzer37 quantificar morfológica (comprimento, diâmetro, superfície), bem como traços arquitectónicos (frequência de ramificação, ângulos de ramificação).

A principal limitação do protocolo em comparação com abordagens de imagem 3D é a restrição à superfície visível raiz e propriedades da rizosfera. No entanto foi demonstrado que os traços visíveis de raiz são um proxy confiável para o sistema inteiro da raiz21. A técnica de rhizobox é facilmente combinada com tradicional amostragem destrutiva (lavagem) no final do crescimento dinâmico da imagem latente para validar a relação de visível vs traços do sistema total da raiz. Como esta relação pode variar entre espécies21, amostragem destrutiva é recomendada para assegurar uma conclusão confiável de traços visíveis para qualquer nova série fenotipagem com uma espécie de diferentes culturas.

A principal vantagem do protocolo aqui apresentado é a combinação de condições de crescimento realistas (solo), relativamente alto rendimento potencial para a imagem RGB temporalmente resolvido e inferência na funcionalidade de raiz (por exemplo, absorção de água) via os dados de raiz e rizosfera quimiométricas de imagens hiperespectrais. Desse modo, os métodos supera restrições de inferência em plântulas de alto rendimento e raiz não-solo de imagem métodos14, enquanto parcialmente permite insights profundos fenotipagem em processos de funcionais com complexidade menos experimental e maior rendimento em comparação com métodos avançados de 3D15.

Nas próximas experiências o protocolo será usado para estudar o efeito de micorriza no desenvolvimento do sistema radicular e a funcionalidade de leguminosas, bem como para as características de raiz de fenotipagem de espécie de cultura de cobertura em relação à estrutura do solo, nitrogênio e carbono ciclismo.

Disclosures

Os autores não têm nada para divulgar.

Acknowledgments

Os autores reconhecem financiamento do austríaco ciência fundo FWF através do projeto número P 25190-B16 (as raízes da resistência à seca). Estabelecimento da infra-estrutura de imagens hiperespectrais foi apoiado financeiramente pela Federal governo da Baixa Áustria (Niederösterreich terra) através do projeto K3-F-282/001-2012. Financiamento adicional para o experimento de beterraba foi recebido da pesquisa AGRANA & GmbH de centro de inovação (ARIC). Os autores agradecer Craig Jackson para suporte técnico durante o experimento e inglês correção do manuscrito. Também reconhecemos Markus Freudhofmaier que contribuíram para o estabelecimento da configuração de imagem RGB e Josef Schodl para construção de montagem rhizobox.

Materials

Name Company Catalog Number Comments
Rhizobox Technisches Büro für Bodenkultur Experimental builder
LED Lamps ATUM HORTI 600 Klutronic AHI10600F
Fluorescent light tube HiLite T5 Day Juwel Aquarium 86324
UV light tube Eurolite 45cm slim 15 W Conrad 593384 - 62
Canon EOS 6D Canon Austria GmbH 8035B024
Adobe Photoshop CS5 Extended Version 12.0 x 32 Adobe Systems Software Ireland Ltd.
WinRhizo Pro v. 2013 Regent Instruments Inc.
Xeva-1.7-320 SWIR camera Xenics XEN-000105
Spectrograph Imspector N25E Specim
Hyperspectral imaging scanner Carinthian Tech Research AG Experimental builder Design and assemblage of Hyperspectral Imaging Scanner and software
Matlab R2106a Mathworks Including Toolboxes for Image Processing, Signal Processing and Statistics and Machine Learning
AP4 Poromoeter Delta-T-Devices
LI-3100C Area Meter LI-COR
BASF Styradur polystyrene sheets Obi Baumarkt 9706318 Different types of polystyrene sheets or other material separating differently moistured soil can be used

DOWNLOAD MATERIALS LIST

References

  1. Kutschera, L. Wurzelatlas mitteleuropäischer Ackerunkräuter und Kulturpflanzen. , DLG-Verlags-GmbH, Frankfurt am Main. (1960).
  2. Kenrick, P., Strullu-Derrien, C. The origin and early evolution of roots. Plant Physiol. 166, 570-580 (2014).
  3. Franklin, J., Serra-Diaz, J. M., Syphard, A. D., Regan, H. M. Global change and terrestrial plant community dynamics. PNAS. 113, 3725-3734 (2016).
  4. MacDonald, G. K., Bennett, E. M., Potter, P. A., Ramankutty, N. Agronomic phosphorus imbalances across the world's croplands. PNAS. 108, 3086-3091 (2011).
  5. Vörösmarty, C. J., Green, P., Salisbury, J., Lammers, R. B. Global water resources: vulnerability from climate change and population growth. Science. 289, 284 (2000).
  6. Lobell, D. B., Cassman, K. G., Field, C. B. Crop yield gaps: their importance, magnitudes, and causes. Annu. Rev. Environ. Resour. 34, 179-204 (2009).
  7. Angus, J. F., Van Herwaarden, A. F. Increasing water use and water use efficiency in dryland wheat. Agron. J. 93, 290-298 (2001).
  8. Lassaletta, L., Billen, G., Grizzetti, B., Anglade, J., Garnier, J. 50 year trends in nitrogen use efficiency of world cropping systems: the relationship between yield and nitrogen input to cropland. Environ. Res. Lett. 9 (10), 105011 (2014).
  9. Lynch, J. P. Roots of the second green revolution. Aust. J Bot. 55, 493-512 (2007).
  10. Comas, L. H., Becker, S. R., Von Mark, V. C., Byrne, P. F., Dierig, D. A. Root traits contributing to plant productivity under drought. Front. Plant Sci. 4, 442 (2013).
  11. Metcalfe, D. B., et al. A method for extracting plant roots from soil which facilitates rapid sample processing without compromising measurement accuracy. New Phytol. 174, 697-703 (2007).
  12. Kutschera, L., Lichtenegger, E., Sobotik, M. Wurzelatlas der Kulturpflanzen gemäßigter Gebiete mit Arten des Feldgemüsebaues. , DLG-Verlag, Frankfurt am Main. (2009).
  13. Gioia, T., et al. GrowScreen-PaGe, a non-invasive, high-throughput phenotyping system based on germination paper to quantify crop phenotypic diversity and plasticity of root traits under varying nutrient supply. Funct. Plant Biol. 44, 76-93 (2017).
  14. Watt, M., et al. A rapid, controlled-environment seedling root screen for wheat correlates well with rooting depths at vegetative, but not reproductive, stages at two field sites. Ann. Bot. 112, 447-455 (2013).
  15. Fiorani, F., Schurr, U. Future scenarios for plant phenotyping. Annu. Rev Plant Biol. 64, 267-291 (2013).
  16. Metzner, R., et al. Direct comparison of MRI and X-ray CT technologies for 3D imaging of root systems in soil: potential and challenges for root trait quantification. Plant Methods. 11, 1 (2015).
  17. Choat, B., Badel, E., Burlett, R., Delzon, S., Cochard, H., Jansen, S. Non-invasive measurement of vulnerability to drought induced embolism by X-ray microtomography. Plant Physiol. 170, 273-282 (2015).
  18. Metzner, R., et al. Direct comparison of MRI and X-ray CT technologies for 3D imaging of root systems in soil: potential and challenges for root trait quantification. Plant Methods. 11, 1 (2015).
  19. Le Marié, C., Kirchgessner, N., Marschall, D., Walter, A., Hund, A. Rhizoslides: paper-based growth system for non-destructive, high throughput phenotyping of root development by means of image analysis. Plant Methods. 10, 1 (2014).
  20. Bengough, A. G., et al. Gel observation chamber for rapid screening of root traits in cereal seedlings. Plant Soil. 262, 63-70 (2004).
  21. Nagel, K. A., et al. GROWSCREEN-Rhizo is a novel phenotyping robot enabling simultaneous measurements of root and shoot growth for plants grown in soil-filled rhizotrons. Funct. Plant Biol. 39, 891-904 (2012).
  22. Price, A. H., et al. Upland rice grown in soil-filled chambers and exposed to contrasting water-deficit regimes: I. Root distribution, water use and plant water status. Field Crops Res. 76, 11-24 (2002).
  23. Vadez, V. Root hydraulics: the forgotten side of roots in drought adaptation. Field Crops Res. 165, 15-24 (2014).
  24. Dane, J. H., Hopmans, J. W. Pressure plate extractor. Methods of soil analysis. Part 4. Physical methods. Dane, J. H., Topp, G. C. , SSSA Inc. Madison, Wisconsin, USA. 688-690 (2002).
  25. Wösten, J. H. M., Pachepsky, Y. A., Rawls, W. J. Pedotransfer functions: bridging the gap between available basic soil data and missing soil hydraulic characteristics. J. Hydrol. 251, 123-150 (2001).
  26. Passioura, J. B. The perils of pot experiments. Funct. Plant Biol. 33, 1075-1079 (2006).
  27. Dorrepaal, R., Malegori, C., Gowen, A. Tutorial: Time series hyperspectral image analysis. J. Near Infrared Spec. 24, 89-107 (2016).
  28. Kim, D. M., et al. Highly sensitive image-derived indices of water-stressed plants using hyperspectral imaging in SWIR and histogram analysis. Scie rep. 5, (2015).
  29. Humplík, J. F., Lazár, D., Husičková, A., Spíchal, L. Automated phenotyping of plant shoots using imaging methods for analysis of plant stress responses-a review. Plant Methods. 11, 29 (2015).
  30. Lobell, D. B., Asner, G. P. Moisture effects on soil reflectance. Soil Sci. Soc. Am. J. 66, 722-727 (2002).
  31. Esquerre, C., Gowen, A. A., Burger, J., Downey, G., O'Donnell, C. P. Suppressing sample morphology effects in near infrared spectral imaging using chemometric data pre-treatments. Chemometr. Intell. Lab. 117, 129-137 (2012).
  32. Williams, P. N., et al. Localized flux maxima of arsenic, lead, and iron around root apices in flooded lowland rice. Environ Sci. Technol. 48, 8498-8506 (2014).
  33. Cseresnyés, I., Takács, T., Végh, K. R., Anton, A., Rajkai, K. Electrical impedance and capacitance method: a new approach for detection of functional aspects of arbuscular mycorrhizal colonization in maize. Eur. J Soil Biol. 54, 25-31 (2013).
  34. Brown, M., Lowe, D. G. Automatic panoramic image stitching using invariant features. Int. J. Comput. Vision. 74, 59-73 (2007).
  35. Jiang, Y., Li, C., Takeda, F. Nondestructive detection and quantification of blueberry bruising using near-infrared (NIR) hyperspectral reflectance imaging. Scientific Reports. 6, 35679 (2016).
  36. Chang, C. -W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties. Soil Sci. Soc. Am. J. 65, 480-490 (2001).
  37. Leitner, D., Felderer, B., Vontobel, P., Schnepf, A. Recovering root system traits using image analysis exemplified by two-dimensional neutron radiography images of lupine. Plant Physiol. 164 (1), 24-35 (2014).

Tags

Ciências do ambiente edição 126 sistema radicular Hyperspectral Imaging imagens RGB planta estresse fenotipagem Rhizobox análise espectral
RGB e raiz Spectral Imaging para fenotipagem de planta e pesquisa fisiológica: instalação Experimental imagem e protocolos
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bodner, G., Alsalem, M.,More

Bodner, G., Alsalem, M., Nakhforoosh, A., Arnold, T., Leitner, D. RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols. J. Vis. Exp. (126), e56251, doi:10.3791/56251 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter