Summary
Cette méthode de phénotypage gravimétrique à haut débit, télémétrique et à taux de croissance des plantes entières permet des mesures directes et simultanées en temps réel, ainsi que l’analyse de multiples traits physiologiques liés au rendement impliqués dans les interactions dynamiques entre les plantes et l’environnement.
Abstract
La sécurité alimentaire de la population mondiale croissante est une préoccupation majeure. Les données fournies par les outils génomiques dépassent de loin l’offre de données phénotypiques, ce qui crée un manque de connaissances. Pour relever le défi d’améliorer les cultures pour nourrir la population mondiale croissante, il faut combler cet écart.
Les traits physiologiques sont considérés comme des traits fonctionnels clés dans le contexte de la réactivité ou de la sensibilité aux conditions environnementales. Beaucoup de techniques de phénotypage à haut débit (HTP) récemment introduites sont basées sur la télédétection ou l’imagerie et sont capables de mesurer directement les traits morphologiques, mais mesurent principalement indirectement les paramètres physiologiques.
Cet article décrit une méthode de phénotypage physiologique direct qui présente plusieurs avantages pour le phénotypage fonctionnel des interactions plante-environnement. Il aide les utilisateurs à surmonter les nombreux défis rencontrés dans l’utilisation des systèmes gravimétriques à cellules de charge et des expériences de pot. Les techniques proposées permettront aux utilisateurs de faire la distinction entre le poids du sol, le poids des plantes et la teneur en eau du sol, en fournissant une méthode pour la mesure continue et simultanée des conditions dynamiques du sol, des plantes et de l’atmosphère, parallèlement à la mesure des principaux caractères physiologiques. Cette méthode permet aux chercheurs d’imiter étroitement les scénarios de stress sur le terrain tout en tenant compte des effets de l’environnement sur la physiologie des plantes. Cette méthode minimise également les effets de pot, qui sont l’un des problèmes majeurs dans le phénotypage pré-champ. Il comprend un système de fertigation de retour d’alimentation qui permet une conception expérimentale véritablement randomisée à une densité végétale semblable à un champ. Ce système détecte le seuil de limitation de la teneur en eau du sol (θ) et permet la traduction des données en connaissances grâce à l’utilisation d’un outil d’analyse en temps réel et d’une ressource statistique en ligne. Cette méthode pour la mesure rapide et directe des réponses physiologiques de plusieurs plantes à un environnement dynamique a un grand potentiel d’utilisation dans le dépistage des traits bénéfiques associés aux réponses au stress abiotique, dans le contexte de la reproduction avant le champ et l’amélioration des cultures.
Introduction
Assurer la sécurité alimentaire d’une population mondiale croissante dans des conditions environnementales qui se détériorent est actuellement l’un des principaux objectifs de la recherche agricole1,2,3. La disponibilité de nouveaux outils moléculaires a grandement amélioré les programmes d’amélioration des cultures. Cependant, bien que les outils génomiques fournissent une quantité massive de données, la compréhension limitée des traits phénotypiques réels crée un écart de connaissance important. Combler cet écart est l’un des plus grands défis auxquels est confrontée la science végétale moderne4,5,6. Pour relever les défis qui se posent dans le processus d’amélioration des cultures et réduire au minimum l’écart de connaissances génotype-phénotype, nous devons équilibrer l’approche génotypique avec une approche phénocentrique7,8.
Récemment, diverses plates-formes de phénotypage à haut débit (HTP) ont rendu possible le phénotypage nondestructif de grandes populations végétales au fil du temps et ces plates-formes peuvent nous aider à réduire l’écart de connaissances génotype-phénotype6,8,9,10. Les techniques de dépistage du HTP permettent de mesurer les traits dans un grand nombre de plantes dans un laps de temps relativement court, grâce à la robotique et aux tapis roulants ou aux ranties utilisés pour déplacer les plantes ou les capteurs (respectivement), par opposition aux techniques à commande de gaz basées sur l’échange de gaz ou la photographie. Néanmoins, les quantités massives de données produites par les systèmes HTP présentent des défis supplémentaires en matière de traitement des données et d’analyse11,12.
La plupart de ces plates-formes HTP impliquent l’évaluation des traits phénotypiques par le biais de capteurs électroniques ou l’acquisition automatisée d’images13,14. Les phénomiques avancées sur le terrain impliquent le déploiement de capteurs proximaux et de technologies d’imagerie sur le terrain, ainsi qu’une échelle de mesure à haute résolution, précise et à grande population15. Les données de capteur et d’image doivent être intégrées à d’autres données multi-omics pour créer une approche phénomique holistique de deuxième génération16. Toutefois, les progrès méthodologiques dans l’acquisition, la manipulation et le traitement des données deviennent de plus en plus importants, car les défis liés à la traduction de l’information des capteurs en connaissances ont été grossièrement sous-estimés au cours des premières années de la recherche sur la phénomique végétale13. Toutefois, la fiabilité et la précision des techniques d’imagerie actuellement disponibles pour le phénotypage en profondeur des interactions dynamiques génotype-environnement et les réponses au stress des plantes sont discutables17,18. En outre, les résultats des environnements contrôlés sont souvent très différents de ceux observés sur le terrain, en particulier lorsqu’il s’agit de phénotypage stress par la sécheresse. Cela est dû aux différences dans la situation que connaissent les plantes en termes de volume du sol, d’environnement du sol et d’impédance mécanique en raison de la diminution de l’humidité du sol pendant le stress dû à la sécheresse. Par conséquent, les résultats des environnements contrôlés sont difficiles à extrapoler au champ19. Enfin, le prix d’entrée des systèmes HTP basés sur l’image est très élevé, non seulement en raison du prix des capteurs, mais aussi en raison de la robotique, des tapis roulants et des ganteries, qui nécessitent également des normes plus élevées d’infrastructure de croissance et d’entretien important (de nombreuses pièces mobiles travaillant dans un environnement de serre).
Dans cet article, nous présentons une plate-forme hénotypage htp-télémétrique conçue pour résoudre bon nombre des problèmes mentionnés ci-dessus. La technologie de télémétrie permet la mesure et la transmission automatiques des données des sources distantes à une station de réception pour l’enregistrement et l’analyse. Ici, nous démontrons une plate-forme htp-télémétrique non structurelle qui comprend plusieurs lysimètres de pesage (un système gravimétrique) et des capteurs environnementaux. Ce système peut être utilisé pour la collecte et le calcul immédiat (l’analyse de l’image n’est pas nécessaire) d’un large éventail de données, telles que le gain de biomasse des plantes entières, les taux de transpiration, la conductance stomatale, les flux racinaires et l’efficacité de l’utilisation de l’eau (WUE). L’analyse en temps réel des données big data qui sont directement transmises au logiciel par le contrôleur dans le système représente une étape importante dans la traduction des données enconnaissances 14 qui a une grande valeur pour la prise de décision pratique, en élargissant considérablement les connaissances qui peuvent être acquises à partir d’expériences de phénotypage de l’environnement contrôlé, en général, et les études en serre du stress de la sécheresse, en particulier.
D’autres avantages de la plate-forme de télémétrie sont son évolutivité et sa facilité d’installation et ses besoins minimaux d’infrastructure d’installation de croissance (c.-à-d. qu’elle peut être facilement installée dans la plupart des installations de croissance). De plus, comme ce système basé sur les capteurs n’a pas de pièces mobiles, les coûts d’entretien sont relativement faibles, y compris le prix d’entrée et les coûts d’entretien à long terme. Par exemple, le prix d’un système gravimétrique de 20 unités, y compris le système de fertigation de rétroaction pour chaque usine, station météorologique et logiciel, sera similaire au prix d’un système portatif d’échange de gaz d’une marque de premier plan.
Le riz(Oryza sativa L.) a été utilisé comme culture modèle et la sécheresse a été le traitement examiné. Le riz a été choisi car il s’agit d’une culture céréalière majeure avec une grande diversité génétique et il est l’aliment de base pour plus de la moitié de la population mondiale20. La sécheresse est un facteur de stress abiotique environnemental majeur qui peut nuire à la croissance et au développement des plantes, ce qui entraîne une réduction des rendements des cultures21. Cette combinaison culture-traitement a été utilisée pour démontrer les capacités de la plate-forme ainsi que la quantité et la qualité des données qu’elle peut produire. Pour plus d’informations sur le contexte théorique de cette méthode, veuillez consulter 22.
Protocol
Dans ce protocole, nous avons fait référence à 4 pots L chargés sur des écailles de 20 cm x 20 cm, chaque pot contenant une plante. Le même protocole est facilement évolutif et peut être utilisé avec des pots beaucoup plus grands (jusqu’à 25 L chargés sur des échelles de 40 cm x 40 cm, avec seulement une adaptation linéaire aux mesures du protocole) et plusieurs plantes par pot. Ainsi, le protocole peut être facilement adapté pour les plantes de nombreux types et tailles. Veuillez consulter la figure 1 et la figure 2 pour les composants du système.
1. Préparer les pots pour l’expérience
- Insérez le filtre de sol. Étendre la maille de nylon (filet) sur le dessus de l’ensemble du pot et placer le net-support sur le dessus du filet. Avec une main, poussez lentement le support net à mi-chemin vers le bas à l’intérieur du pot entier. Assurez-vous que le filet reste uniformément écarté car il est poussé vers le bas entre les deux pots.
- Insérez le bâton de fibre de verre (poteau) entre les deux pots et poussez-le jusqu’au fond du pot entier, en vous assurant qu’il est sur le côté extérieur du filet ainsi et ne pousse pas le filet.
- Avant de pousser le support net tout le chemin vers le bas, pousser le filet vers le bas à la main de l’intérieur du pot et l’ajuster de sorte qu’il soit réparti uniformément et étroitement sur le fond du pot une fois que le support net a été entièrement inséré (Figure 2CI).
- Faites glisser l’anneau de joint du fond de l’ensemble du pot décrit ci-dessus, un tiers du chemin vers le haut du côté du pot. Assurez-vous que les fentes de l’anneau s’ouvrent vers le fond du pot (figure 2CII).
- Répétez les étapes 1.1-1.4 pour tous les pots expérimentaux avant de passer à l’étape suivante. Randomiser l’emplacement des plantes(figure 2D; dans une conception de bloc randomisée ou une conception entièrement aléatoire) à l’aide de l’application Array Randomizer.
REMARQUE : Pour télécharger le programme gratuit et pour plus d’informations, veuillez consulter le lien : https://drive.google.com/open?id=1y4QbTpxRK5Lx430xzu1RFdrlcL8pz_1q). - Étiqueter les pots en fonction de leur emplacement dans le tableau à l’intérieur de la serre. Par exemple, l’étiquette « B10D » correspond à un pot situé sur le tableau B dans la colonne 10 et la rangée D. Préparer trois pots supplémentaires pour chaque table pour les mesures de la teneur en eau du sol (voir la section 7.1).
2. Cultiver les plantes
- Choisissez le support de culture (mise en pot) qui convient le mieux à l’expérience. Le choix du bon support pour l’expérience est crucial et le bon choix dépend de plusieurs facteurs (voir Discussion). Pour les nouveaux utilisateurs, nous vous recommandons fortement d’utiliser un milieu poreux, en céramique et de petite taille. Veuillez consulter les tableaux 1 et 2 pour obtenir de plus amples renseignements afin de vous aider à choisir le bon support pour l’expérience.
- Germer les graines dans des plateaux de cavité avec le milieu de mise en pot désiré. Si possible, faites-le à l’intérieur de la même serre à utiliser pour la partie principale de l’expérience, afin d’acclimater les plantes aux conditions environnementales à l’intérieur de cette serre.
- Si les semis n’ont pas germé dans des plateaux, transplantez-les dans des plateaux de cavité contenant le milieu de mise en pot. Plantez un semis dans chaque cavité et laissez-le pousser jusqu’à ce que ses racines soient assez denses pour prendre la forme de la cavité (prise de sol racinaire).
- Laissez 5 à 7 cavités sans semis pour les mesures du poids du sol (seulement milieu de mise en pot; Figure 3). Pour de plus amples renseignements, veuillez consulter la section 5.9.
3. Améliorer le niveau signal-bruit
REMARQUE : Les étapes suivantes améliorent la qualité des mesures et réduisent les niveaux de bruit.
- Calibrer le lysimètre.
- Utilisez un niveau d’esprit pour vérifier que tous les lysimètres sont de niveau, puis commencer le processus d’étalonnage du poids. Utilisez deux poids standard (1 à 10 kg). Effectuez l’étalonnage pendant que le conteneur vert, y compris tous les bouchons, est sur la cellule de chargement.
- Mettez le premier poids d’étalonnage (plus léger) sur chaque cellule de charge.
- Dans le logiciel d’exploitation, accédez à l’onglet Étalonnage et choisissez le poids pour le premier point. Sélectionnez ensuite la position de la cellule de charge où le poids a été placé et cliquez sur Get point1 (Figure supplémentaire 1A). Cette étape peut être appliquée simultanément sur plusieurs cellules de charge.
- Répétez pour le deuxième poids et cliquez sur Get point2.
- Cliquez sur Appliquer l’étalonnage.
- Assurer une quantité suffisante de plantes de taille appropriée pour l’expérience
REMARQUE : Plus la plante est petite, plus son signal sera faible (p. ex., le poids de l’eau s’est produit en une journée par rapport au poids du pot). Les étapes suivantes aideront à améliorer le rapport signal/bruit.- Démarrer l’expérience lorsque l’usine transpire environ 10% de la capacité maximale d’eau en pot.
REMARQUE : Par exemple, si vous travaillez avec un milieu sablonneux qui contient environ 1 L d’eau à la capacité du pot (voir le tableau 2),commencez l’expérience lorsque les plantes transpirent environ 100 mL par jour. Si vous travaillez avec un milieu à base de tourbe qui contient environ 2 L d’eau à la capacité du pot (voir le tableau 2),commencez les mesures lorsque les plantes transpirent environ 200 mL par jour. - Estimer la transpiration quotidienne initiale de la plante avant de la charger sur le système en mesurant (manuellement) les différences de poids matin/soir dans quelques semis.
- Lorsque vous travaillez avec de petites plantes, mettez plusieurs plantes dans chaque pot (p. ex., six plants d’Arabidopsis dans un pot de 3,9 L23, pour atteindre le niveau minimal recommandé de transpiration)*.
- Démarrer l’expérience lorsque l’usine transpire environ 10% de la capacité maximale d’eau en pot.
4. Mise en place de l’expérience
REMARQUE : Le processus de mise en place de l’expérience est conçu pour tenir compte du poids de toutes les parties du système, à savoir le poids du milieu de mise en pot (y compris le poids sol-eau à la capacité du pot) et le poids initial des semis. Suivez les étapes ci-dessous :
- Si possible, travaillez avec des composants statiques similaires qui ont des poids similaires. Les composants de poids statiques incluent des ensembles de pot, des sondes de sol et d’autres pièces en plastique.
- Pour démarrer une nouvelle expérience, ouvrez le logiciel d’exploitation. Ouvrez l’onglet Expériences dans le menu sur le côté gauche de l’écran. Cliquez sur Créer du nouveau ou dupliquer les propriétés de l’expérience d’une expérience précédente en cliquant avec le bouton droit sur l’expérience souhaitée et en choisissant Duplicate. Renommez l’expérience (Figure supplémentaire 1B).
- Assurez-vous qu’aucune unité n’est utilisée dans une expérience différente actuellement en cours d’exécution dans le système. Vérifiez que toutes les plantes du tableau Plants correspondent à la conception expérimentale. Si ce n’est pas le cas, modifiez le tableau selon la conception (voir les sections 5.18, 6 et la figure supplémentaire 1C).
- Démarrez l’expérience en cliquant sur le nom de l’expérience, puis en cliquant sur Démarrer.
- Prenez des mesures manuelles des pots vides pré-préparés (double pot, filet, bâton et anneau de joint noir). Si vous utilisez des pièces qui sont semblables les unes aux autres, le poids moyen de 10 d’entre eux sera suffisant.
- Mélanger le milieu de mise en pot avec un peu d’eau, pendant au moins 1 h, de sorte qu’il se décompose en particules homogènes et est saturé, pour assurer l’uniformité et l’homogénéité. Pour les nouveaux utilisateurs, nous recommandons fortement d’utiliser un milieu poreux, céramique, de petite taille (voir le tableau 1 et le tableau 2). En tant que deuxième option, utilisez du sable grossier.
- Utiliser un mélangeur mécanique (p. ex., une bétonnière).
- Lorsqu’un milieu très homogène (c.-à-d. sable industriel) est utilisé, sautez l’étape 4.6.1.
- Remplissez uniformément tous les pots pour l’expérience avec le milieu de mise en pot approprié (p. ex., sable, sol ou tourbe).
- Insérez un moulage d’un moule de cavité(figure 3B)qui est semblable dans la forme et la taille au bouchon de racine-sol des semis (du plateau de cavité) dans le milieu du milieu de mise en pot. Poussez-le complètement. Appuyez plusieurs fois sur le fond du pot contre le sol pour vous assurer que le milieu de mise en pot est bien réparti dans le pot. Répéter pour tous les pots.
- Bien arroser les pots et rincer l’extérieur des pots. Laisser les pots se égoutter pendant 30 min avant de passer à l’étape suivante. Assurez-vous que les pots se vident librement. Si le milieu de mise en pot s’écoule trop lentement (p. ex., tourbe dense), prémélange-la avec un substrat aéré (p. ex., perlite; s’il vous plaît voir aussi les tableaux 1 et 2)pour assurer un drainage plus rapide.
- Une fois le drainage complètement arrêté, placez tous les pots remplis au centre du réseau de lysimètres (dans les conteneurs verts qui sont déjà là) selon la conception expérimentale (Figure 2A).
- Vérifiez que les contenants verts sont correctement installés dans le couvercle de la cellule de chargement et ne vous touchez pas les uns les autres.
- Dans le logiciel d’exploitation, ouvrez l’onglet Expérience et sélectionnez l’onglet Mesurer les composants. Cliquez sur l’objet Mesurer. Nommez la mesure « mesure 1st » (Figure supplémentaire 1D).
- Placez les gouttes d’irrigation, les sondes et les couvercles de pot sur chaque pot. Assurez-vous que les lignes des drippers multi-sorties et des câbles de la sonde sont soutenus par leurs peuplements respectifs (fixés aux unités pour chaque échelle de lysimètre; Figure 1E) avant de les placer dans les pots. Assurez-vous que tous les drippers, sondes et couvercles sont bien positionnés.
- Attendez jusqu’à 3 min pour qu’une nouvelle mesure soit effectuée (les données sont collectées automatiquement toutes les 3 minutes), puis ouvrez l’onglet Expérience. Sélectionnez l’onglet Expérience et cliquez sur l’expérience. Méta-tag cette mesure à la « 1st mesure » prise et le nommer « composants statiques » (Figure supplémentaire 1E). Les méta-balises sont utilisées lorsque vous souhaitez enregistrer une valeur de poids qui est déterminée en soustrayant une valeur mesurée d’une autre.
- Après avoir apporté les ajustements nécessaires au système, attendez qu’un nouveau point de données soit enregistré (toutes les 3 minutes) avant de prendre la prochaine mesure.
- Vérifiez la colonne Composants statiques pour confirmer que les valeurs enregistrées dans la table Plantes n’incluent pas de valeurs aberrantes. Si l’un des poids enregistrés est trop bas ou trop élevé, vérifiez toute interférence avec la cellule de chargement (p. ex., assurez-vous que rien ne la touche) et prenez ensuite une nouvelle mesure (après que le système ait encore été pendant 3 min).
- Cliquez sur l’onglet Plantes. Exporter le tableau Plantes sous forme de feuille de calcul, ajouter le poids moyen du pot (de l’étape 4.5) à la mesure des composants statiques - « Poids Tare ». Enregistrer et télécharger le fichier (onglet importation).
- Assurez-vous que tous les drippers sont solidement insérés dans le milieu de mise en pot et dans le tuyau provenant du contrôleur. Dans le logiciel d’exploitation, dans l’onglet Expérience, sélectionnez Scénarios de traitements. Cliquez sur Créer un nouveau pour créer un nouveau « Plan ».
- Dans le plan, choisissez la première étape (créez une nouvelle étape si nécessaire) et ouvrez-la. Choisissez « Test » pour le traitement et « Jamais » pour la cessation d’emploi. Dans l’option étape, choisissez tout traitement qui figure dans l’onglet Traitements d’irrigation ci-dessus Expériences (figure supplémentaire 1F; voir également l’étape 4.21). Appuyez sur l’onglet Appliquer.
- Extraire la table Plantes sous forme de feuille de calcul, ajouter « Planifier » à la colonne Traitement et ajouter « 1 » à la colonne Étape. Enregistrez et téléchargez le fichier.
- Sous l’onglet Traitements d’irrigation, choisissez le traitement « Test » et réglez-le à un temps d’irrigation de 4 à 5 min [avec la quantité exacte de temps en fonction de la teneur en eau volumétrique (VWC) du sol utilisé] pour permettre le drainage. Réglez le temps 2 min à l’avance et aller aux pots dans la serre. D’autres traitements peuvent également être créés. (Voir l’explication détaillée à l’étape 7.4.)
- Vérifiez visuellement que tous les drippers fonctionnent et que l’eau coule du bouchon de vidange perforé du récipient vert.
- Dans l’expérience, changer le traitement d’irrigation sur le plan « », étape 1 (voir l’étape 4.19-4.20) au traitement d’irrigation souhaité. Assurez-vous que chaque nuit d’irrigation (avec fertigation; voir tableau 3 pour les composants de fertigation utilisés) est divisée en plusieurs impulsions courtes (événements) avec des pauses substantielles entre eux (au moins trois événements chaque nuit), pour s’assurer que le sol atteint sa capacité de champ avant l’aube.
- Laissez le programme d’irrigation fonctionner pendant 1 ou 2 jours pour permettre au sol d’atteindre sa capacité de champ et de poursuivre la phase suivante.
5. Démarrage de l’expérience
REMARQUE : Les données recueillies à ce stade serviront de valeurs de référence pour le reste de l’expérience. Par conséquent, il est important de suivre attentivement les prochaines étapes.
- Répétez les étapes 4.18 à 4.20. Sinon, commencez le processus tôt le matin, peu de temps après la dernière étape d’irrigation.
- Vérifiez visuellement que tous les pots sont irrigués et que l’excès de liquide d’irrigation s’écoule du bouchon de vidange perforé du bain vert.
- Retirez le bouchon vert non foré (de l’orifice le plus bas) du récipient vert et laissez l’eau s’écouler complètement. Ensuite, remettre la prise à sa place (Figure 1D). Si vous travaillez sur le « drainage 0 » (c.-à-d. avec le trou inférieur ouvert/le bouchon de drainage creux relié au trou le plus bas), sautez cette étape.
- Dans le logiciel d’exploitation, ouvrez l’onglet de l’expérience et accédez à Mesurer les composants. Cliquez sur Mesurer l’objet et nommez la mesure comme « Cast-pre ». Retirez doucement tous les moulages des pots, puis attendez 3 min pour qu’une nouvelle mesure soit enregistrée (Figure supplémentaire 1D).
- Cliquez sur Mesurer l’objet, nommez-le « Cast-post » et méta-tag la mesure à « Cast-pre ». L’option calculera automatiquement la différence entre les deux valeurs mesurées et donnera au poids de fonte pour vérifier la sensibilité de poids.
- Vérifiez les valeurs de poids dans le tableau Plantes. La différence entre les mesures « cast-post » ne doit pas dépasser 20 ou 30 g.
- Pour mesurer le poids du sol humide, dans le logiciel d’exploitation, accédez à l’onglet Composants de mesure de l’expérience et sélectionnez l’option Mesurer le poids humide du sol. Prenez la mesure en cliquant sur OK lorsqu’on vous le demande. Vérifiez les mesures du poids humide du sol dans le tableau Plants de l’expérience yotheur. Le poids apparaîtra dans la colonne « Poids humide du sol »(figure supplémentaire 1D,G).
- Si certaines mesures semblent fluctuer de façon inappropriée, veuillez faire ce qui suit :
- Confirmez que chaque pot est positionné correctement et ne touche aucun pot voisin.
- Débranchez le premier contrôleur sur la table de l’électricité (le reste des contrôleurs sont connectés en série les uns aux autres et donc s’arrêtera aussi) pendant 2 min, puis reconnectez-le.
- Mesurer manuellement le poids moyen de quelques cavités (5 à 10) avec un milieu de mise en pot (à partir de l’étape 2.3) sans semis (bouchon de sol). [Assurez-vous que les bouchons de sol sont bien irrigués (c.-à-d. à la capacité du champ après le drainage) avant les mesures manuelles.] Dans l’onglet Composants de mesure, appuyez sur Définir le poids des semis en vrac et le sol et remplissez le poids moyen ( Figure supplémentaire1D).
- Cliquez sur Mesurer le poids initial de l’usine. Cette première mesure est un point de référence avant la plantation (Figure supplémentaire 1D).
- Assurez-vous que les semis dans les plateaux de cavité sont bien irrigués (c.-à-d. à la capacité du champ après le drainage). Tirez doucement les semis avec leur bouchon racine-sol des cavités, en veillant à ne pas les blesser, et les placer soigneusement dans les cavités faites par les moulages dans les pots, selon la conception de l’expérience. Il est préférable de transférer les plantes à l’aube ou au crépuscule, afin de minimiser le stress aux plantes (c.-à-d. pour minimiser le flétrissement).
- Attendez 3 min. Cliquez à nouveau sur Mesurer le poids initial de l’usine. Cette deuxième mesure est le poids initial de la plante. Méta-tag la mesure à la première (le point de référence). Le logiciel calculera la différence entre les deux mesures et soustrairea le poids du sol en vrac des semis. Le résultat est le poids initial de la plante.
- Vérifiez les valeurs mesurées dans le tableau Plantes de l’expérience pour vous assurer qu’elles se situent dans une fourchette raisonnable et logique (Figure supplémentaire 1C).
- Saturer le sol en répétant les étapes 4.18 à 4.20.
- Assurez-vous que tous les pots sont drainants correctement. Si ce n’est pas le cas, répétez le processus de saturation. Attendez 30 min que le drainage cesse. (Voir également le tableau 1 concernant le bon choix du milieu de mise en pot.)
- Sous l’onglet Composants de mesure, cliquez sur Mesurer le poids de l’eau réservé ( figure supplémentaire1D).
- Extraire le tableau des plantes sous forme de feuille de calcul, soustraire le poids initial mesuré de la plante et le poids du sol en vrac des semis de la mesure réservée du poids de l’eau (la colonne « Inventaire de l’eau de réserve »). Télécharger le fichier (Figure supplémentaire 1C).
- Confirmer que la période pendant laquelle la transpiration quotidienne sera enregistrée est appropriée pour les objectifs de l’expérience. Remplissez les valeurs de l’onglet général de l’expérience, selon le cas échéant, pour le projet (Figure supplémentaire 1H).
- Remplissez zéro heure : heure à laquelle le logiciel vérifiera s’il doit passer à l’étape suivante du scénario de traitement.
- Remplir les valeurs de transpiration quotidienne : la transpiration quotidienne est calculée comme la différence entre deux fenêtres de poids pendant la journée, pour tous les jours. L’heure de début de la transpiration quotidienne est l’heure à laquelle le logiciel commencera à mesurer le poids moyen.
- Surveillez les plantes pendant 1 à 2 jours avant de commencer une nouvelle expérience (dupliquer et renommer l’expérience).
6. Changer la table des plantes
- Extraire le tableau Plantes sous forme de feuille de calcul et modifier la table en fonction des besoins. Ne modifiez pas les ID, noms ou positions de l’usine. Enregistrez et téléchargez le fichier.
- Colonnes d’étiquetage (regroupement) : Pour présenter ou analyser (voir l’étape 8) des plantes regroupées à partir d’étiquettes communes (p. ex., traitement, ligne), ajouter une nouvelle colonne et une nouvelle étiquette en commençant par # (p. ex., #Treatment). Dans cette colonne, faire une notation pour chaque plante (p. ex., pour l’étiquette « #Treatment », marquer les plantes comme sécheresse, contrôle, etc.; Figure supplémentaire 2).
REMARQUE : Le protocole présenté ci-dessus est le protocole le plus avancé et le plus complet pour ce système. Toutefois, les utilisateurs débutants peuvent vouloir commencer par le protocole simplifié (voir MS supplémentaire). Le protocole simplifié donne des informations sur moins de traits et peut conduire à des niveaux de bruit plus élevés. Mais, en même temps, il fournit un moyen de mieux se familiariser avec les procédures expérimentales les plus importantes, le matériel et les logiciels.
7. Exécuter l’expérience
- Calculer la teneur en eau gravimétrique du sol/teneur en eau du sol (valeur SWC).
REMARQUE : La teneur en eau du sol gravimétrique est différente de la teneur en eau du sol volumétrique (VWC).- La valeur de CFC est le rapport entre le poids sec du sol et le poids humide du sol. Pour calculer le CFC, utilisez les trois pots supplémentaires remplis de sol (étape 1.3) sans plantes qui étaient préalablement préparées et placées sur une table latérale à l’intérieur de la serre pendant quelques jours et irriguées régulièrement. Peser le sol humide dans un plateau en aluminium tôt le matin, dès que possible après le dernier événement d’irrigation.
- Sécher le plateau en aluminium avec le sol dans un four (à 105 °C) pendant 4 à 5 jours. Vérifiez que le sol est complètement sec en prenant deux mesures de poids consécutives à au moins 60 min d’intervalle. Si les poids sont identiques, le sol est en effet sec et la dernière mesure peut être enregistrée comme le poids du sol sec.
- Dans le logiciel d’exploitation, accédez à Mesurer les composants et cliquez sur l’onglet Calculer le poids sec du sol. Remplissez les poids humides et secs du sol pour chaque échantillon, cliquez sur Appliquer et terminer (Figure supplémentaire 3).
- Sinon, calculez manuellement SWC à l’aide de l’équation ci-dessous.
- Moyenne des deux mesures de CFC prises manuellement à partir d’au moins trois pots. Sélectionnez l’onglet Mesurer les composants et cliquez sur Calculer le poids sec du sol de la valeur θg [g/g], cliquez sur Appliquer et terminer. Les poids secs du sol de tous les pots d’expérience seront calculés automatiquement par le logiciel (en supposant que tous les pots de l’expérience contiennent le même milieu; Figure supplémentaire 1D et figure supplémentaire 3).
- Appliquer les traitements d’irrigation. Les scénarios d’irrigation peuvent être appliqués en composant un plan de traitement étape par étape.
- Pour composer un nouveau plan de traitement de l’irrigation, accédez à Irrigation Treatment, cliquez sur Créer de nouveaux, et nommez le nouveau traitement. Ouvrez le traitement spécifique dans la liste des traitements d’irrigation et cliquez sur le texte par défaut « 00:00 ».
REMARQUE : Dans la fenêtre principale(figure supplémentaire 4A),« Time » indique l’heure à laquelle la vanne s’ouvrira (c.-à-d. le début du traitement de l’irrigation). « oup » est la vanne à ouvrir (A ou B, selon la vanne qui est reliée à la solution souhaitée). « Type de commande » indique le type de données qui seront utilisées pour déterminer quand la vanne sera fermée :- Par temps – Combien de secondes la vanne sera ouverte.
- Par poids – Le gain de poids/eau (en grammes) à ajouter au pot par irrigation.
- Par transpiration – L’irrigation peut être appliquée différemment à chaque pot en fonction de la transpiration de chaque plante individuelle au cours de la veille. L’utilisateur peut décider quel pourcentage de la transpiration de la veille sera appliqué pendant l’irrigation. (Dans un état bien irrigué, il est suggéré de donner à la plante plus de 100%, afin de laver le sol et de compenser la croissance des plantes.) Les plantes traitées à la sécheresse devraient recevoir moins d’eau, avec des volumes exacts basés sur le taux de stress souhaité par la sécheresse.
- Par capteurs – L’irrigation peut être appliquée selon une lecture de capteur, telle que la permittivity diélectrique apparente (qui peut être employée pour déterminer le VWC). Sélectionnez le type de capteur, le paramètre souhaité et la valeur du paramètre souhaitée.
- Toutes les possibilités incluent une option time out qui fermera le robinet même si les conditions définies n’ont pas été atteintes. Définissez le délai d’attente pour une période plus longue que les conditions définies.
- Après avoir défini les traitements d’irrigation pour l’expérience, ouvrez l’expérience souhaitée dans la liste des expériences, ouvrez Le scénariode traitement , ouvrez le plan par défaut et sélectionnez la première étape ( Figuresupplémentaire 4B).
- Dans le traitement, choisissez un traitement d’irrigation de la liste. Ensuite, dans La résiliation, choisissez la condition appropriée pour arrêter l’étape actuelle et passer à la suivante.
- Après avoir sélectionné un scénario d’irrigation, ouvrez le tableau des plantes de l’expérience (Figure supplémentaire 2) et entrez le « Traitement » et le « Pas » pour chaque plante. « raitemen » est le nom du scénario de traitement et « ct » est le numéro d’événement dans le scénario de traitement.
- Pour composer un nouveau plan de traitement de l’irrigation, accédez à Irrigation Treatment, cliquez sur Créer de nouveaux, et nommez le nouveau traitement. Ouvrez le traitement spécifique dans la liste des traitements d’irrigation et cliquez sur le texte par défaut « 00:00 ».
- Planifiez un traitement contre la sécheresse.
- Chaque plante a un taux de transpiration unique en fonction de sa taille et de son emplacement dans la serre. Pour permettre un traitement standard de la sécheresse (c.-à-d. un taux de séchage similaire pour tous les pots pendant le traitement), planifiez un scénario de sécheresse et contrôlez-le par l’intermédiaire de l’outil d’irrigation de rétroaction du système (Figure supplémentaire 5).
8. Analyser les données à l’aide d’un logiciel d’analyse de données
- Ouvrez le logiciel d’analyse de données (p. ex., SPAC Analytics). Cliquez sur le coin supérieur droit pour sélectionner le système de contrôle et le nom de l’expérience ( Figuresupplémentaire 6A). Dans la colonne du côté gauche de l’écran, sélectionnez Expériences (Figure supplémentaire 6B) et tapez le nom de l’expérience dans la barre Nom sous la section Recherche. Le nom de l’expérience apparaîtra sous la section Recherche, dans la section Expériences (Figure supplémentaire 6C). Cliquez sur l’expérience pour ouvrir les sections Info et Plantes (Figure supplémentaire 6D).
- Dans la section Info, modifiez les dates de début wue et wue pour une période d’au moins 3 jours (de préférence plus) avant le début du traitement de la sécheresse, puis cliquez sur Mettre à jour. La valeur WUE et R2 pour chaque pot apparaîtra dans la section Plantes. Choisissez d’exclure toute échelle avec une valeur WUE négative ou une valeur R2 inférieure à 0,5 en cliquant sur le symbole « oin » sous la colonne Active, qui deviendra alors rouge. Cela exclura l’échelle sélectionnée (plante) de tous les autres calculs. Les données peuvent être exportées en cliquant sur le bouton Exportation des données dans la section Plantes ( Figure supplémentaire6D).
- Dans la colonne sur le côté gauche de l’éboulis, cliquez sur Analyse. Différentes sous-sections apparaîtront alors : Visionneuse graphique, Histogramme, T-test, ANOVA et Courbe linéaire Piecewise.
- Cliquez sur Graph viewer. Dans la section Filtres, définissez les dates de l’expérience.
- Cliquez sur Étiquettes (voir l’étape 6) pour sélectionner la combinaison de groupes expérimentaux (génotype) et de traitements. Automatiquement, tous les pots du groupe sélectionné apparaîtront dans la sous-section Plant. Dans cette sous-section, désélectionnez les pots (plantes) en cliquant dessus. Jusqu’à deux paramètres de choix différents peuvent être sélectionnés en même temps comme « paramètre Y1 » et « paramètre Y2 ». Enfin, cliquez sur Show Graph (figure supplémentaire 5).
- Un graphique linéaire des valeurs du paramètre sélectionné apparaîtra dans la fenêtre Graph Viewer pour chaque plante. Supprimez les données de plantes individuelles ou ajoutez au graphique en cliquant sur leurs symboles de légende à droite du graphique. Dans le coin supérieur droit, il existe également des options pour exporter les données en tant que feuille de calcul et pour agrandir la fenêtre Graph Viewer pour remplir l’écran complet (cette fonction de téléchargement de données brutes est pertinente pour toutes les autres fenêtres). D’autres options pour modifier le graphique apparaîtront si le curseur est déplacé vers le coin supérieur droit de l’écran (Figure supplémentaire 5).
- Le module d’histogramme présente la distribution d’un seul trait dans et entre les populations pendant une période donnée. Pour utiliser ce module, cliquez sur Histogramme.
- Dans la section Filtres, définissez la date et l’heure, les paramètres, les étiquettes et les plantes comme expliqué à l’étape 8.4.1. Sélectionnez plusieurs étiquettes (groupes) en cliquant sur le symbole +. Enfin, cliquez sur Show Graph (Figure supplémentaire 7).
- L’histogramme apparaîtra dans la section Histogramme, dans laquelle il est possible de modifier les « bacs » et « Date » en haut de l’écran. Dans le coin supérieur droit, il y a différentes options telles que décrites à l’étape 8.4.2. Dans la section Diagramme de localisation, l’emplacement réel des plantes sur la table expérimentale et leurs valeurs de trait respectives peuvent être vus (Figure supplémentaire 7).
- Cliquez sur T-test. Pour comparer statistiquement les moyens de tout trait mesuré de deux groupes, entrez les dates, les étiquettes, les plantes et les paramètres dans la section « Paramètres de test en T », comme expliqué à l’étape 8.4.1.
- Définissez la plage d’heures pour calculer les valeurs moyennes des points de données au cours de la période d’intérêt (la valeur par défaut est une présentation continue de 24 h). Enfin, cliquez sur Show Graph (Figure supplémentaire 8).
- Deux fenêtres apparaîtront sur le côté droit de l’écran. La partie supérieure est la section Graph Viewer pour toutes les plantes sélectionnées parmi les deux groupes. Sous cette fenêtre se trouve la section T-test, dans laquelle apparaîtra la comparaison des deux groupes comme le test tdu paramètre physiologique sélectionné. Les niveaux d’importance peuvent être ajustés en modifiant la valeur α dans le coin supérieur gauche de la section T-test. Un point rouge apparaîtra sous des valeurs significativement différentes. Dans le coin supérieur droit, voir diverses options, comme décrit à l’étape 8.4.2 (Figure supplémentaire 8).
- Cliquez sur ANOVA. Pour comparer statistiquement les moyens de tout trait mesuré dans plus de deux groupes, entrez les dates, les étiquettes, les plantes et les paramètres dans la section « filtres », comme expliqué à l’étape 8.5.1.
- Sélectionnez plusieurs étiquettes (groupes) en cliquant sur le symbole + (comme à l’étape 8.5). Définissez la plage d’heures. Enfin, cliquez sur « SHOW GRAPH » (Figure supplémentaire 9).
- Dans la section ANOVA, utilisez un test ANOVA (HSD de Tukey) pour comparer les paramètres physiologiques des différents groupes. Les barres représentent les erreurs standard (±SE). Dans le coin supérieur droit de l’écran, il existe différentes options décrites à l’étape 8.4.2. Cliquez sur le graphique linéaire pour afficher une comparaison de graphiques à barres pour un jour donné. Différentes lettres indiquent des groupes qui sont sensiblement différents les uns des autres (Figure supplémentaire 9A).
- Présenter la relation entre la cinétique de transpiration des plantes entières ou la conductance stomatale et vwc est un moyen plus précis de comparer les réponses physiologiques de différentes plantes à la sécheresse, par rapport à une approche basée sur le temps. Présentez cette relation à l’aide de la fonction « Courbe linéaire du point de vue de la pièce ».
- Cliquez sur Courbe linéaire Piecewise. Entrez les dates, les étiquettes, les plantes et les paramètres (à la fois l’axe x et l’axe y) puis définissez la plage d’heures dans la section « filtrant », comme expliqué ci-dessus.
REMARQUE : La date « à partir » doit être aussi proche que possible de la date de début du traitement. - Définissez le paramètre x-axe comme vwc et le paramètre y-axis comme paramètre physiologique de choix (p. ex., taux de transpiration, conductance stomatale, etc.). Enfin, cliquez sur Afficher le graphique. Dans la section « Filtre », cliquez sur Sélectionner toutes les recommandations, puis cliquez sur Afficher le graphique ( Figuresupplémentaire 10).
REMARQUE : D’autres paramètres physiologiques (p. ex., transpiration normalisée, taux de transpiration, poids initial de la plante, conductance stomatale, flux racinaire, etc.) et paramètres environnementaux (p. ex., température, humidité relative, etc.) sont facilement obtenus par le logiciel SPAC (p. ex. figure supplémentaire 9C). Pour plus d’informations sur le contexte théorique de leurs calculs, veuillez consulter Halperin et coll. (2017).
- Cliquez sur Courbe linéaire Piecewise. Entrez les dates, les étiquettes, les plantes et les paramètres (à la fois l’axe x et l’axe y) puis définissez la plage d’heures dans la section « filtrant », comme expliqué ci-dessus.
Representative Results
La durée de l’expérience était de 29 jours. L’expérience a été menée en août, lorsque le temps local est chaud et stable et les jours sont longs. Deux scénarios d’irrigation différents ont été utilisés pour démontrer la capacité de la plate-forme de phénotypage pour comparer le comportement physiologique de trois variétés différentes de riz (c.-à-d. Indica, Karla, et Risotto) en présence de stress de sécheresse. Il y a eu deux traitements de stress à la sécheresse : (i) l’irrigation optimale [jusqu’à ce que chaque pot atteigne sa capacité de pot la nuit après l’irrigation (contrôle)] et (ii) une sécheresse qui a commencé 5 jours après le début de l’expérience, a duré 14 jours, et a été suivie d’une période de récupération de 10 jours (irrigation optimale, jours 19–29). Par souci de simplicité, toutes les variétés et les groupes ne sont pas présentés dans les chiffres présentés ici. Les résultats ont montré que le système htp-télémétrique peut mesurer efficacement les changements dans les conditions atmosphériques, le sol et la physiologie des plantes.
Conditions environnementales
Les conditions environnementales [rayonnement photosynthétiquement actif (PAR) et déficit de pression de vapeur (VPD)] ont été surveillées tout au long de l’expérience par une sonde atmosphérique. Les données recueillies indiquent que le PAR et le VPD sont restés semblables au cours des différents jours et au cours de la journée (figure 4).
Le VWC des pots traités par la sécheresse a été mesuré par des sondes de sol tout au long de la période expérimentale. Les données du VWC recueillies à partir d’un cv traité contre la sécheresse. L’usine Indica est tracée à la figure 5.
Paramètres physiologiques
La transpiration quotidienne a progressivement augmenté dans les quatre traitements (Karla-contrôle, Karla-sécheresse, Risotto-contrôle et Risotto-sécheresse) au cours de la première étape de l’expérience, au cours de laquelle toutes les plantes ont été bien irriguées. Plus tard, il y a eu une réduction de la transpiration qui a été associée à la période de sécheresse (jour 5 au jour 18) dans les deux traitements privés d’eau. Par la suite, au cours de la période de récupération (à partir du jour 18), la transpiration quotidienne a augmenté à nouveau dans les deux groupes privés d’eau, mais à un niveau beaucoup plus bas que celui observé avant le traitement de la sécheresse (Figure supplémentaire 9B).
Le poids moyen calculé des plantes (c.-à-d. le taux de gain de poids des plantes) a augmenté de façon constante chez les traitements Karla-contrôle et sécheresse Karla au cours de la première étape de l’expérience, lorsque toutes les plantes ont reçu une irrigation similaire (Jours 1–5). Lorsque le traitement de sécheresse a été appliqué au cv. Les plantes de Karla (Jours 5–18), ces usines ont cessé de prendre du poids et n’ont pas repris le poids jusqu’au stade de récupération. À ce moment-là, il y a eu une augmentation du poids qui s’est déroulée plus lentement que ce qui a été observé pour le contrôle. En revanche, le poids des plantes témoins karlaaaugmenté continuellement tout au long de la période expérimentale (Figure 6).
Figure 1 : Composants et configuration du système gravimétrique de phénotypage.
(A) Peser le lysimètre. Le lysimètre comprend la cellule de charge, qui convertit la charge mécanique d’un objet en charge électrique, et une plate-forme métallique qui couvre les parties supérieures et inférieures de la cellule de charge, de sorte que le poids de l’objet peut être correctement mesuré. (B) Le lysimètre est recouvert d’un bloc de polystyrène et d’un couvercle en plastique pour l’isolation thermique. (C) Pièces d’échelle. Un réservoir d’eau (récipient vert) est placé sur le couvercle du lysimètre pour recueillir le liquide qui s’écoule du pot. Le récipient vert est couplé à une couverture verte, qui a une grande ouverture ronde à travers laquelle le pot est inséré. Un anneau de joint en caoutchouc noir est fixé à un côté de la couverture verte et le pot est fixé à l’autre côté, pour minimiser la perte d’eau par évaporation du récipient. La couverture verte a deux trous d’échantillonnage (petits et grands) au-dessus de l’extension de drainage, qui sont scellés avec des bouchons en caoutchouc. (D) Bouchons. Le récipient a une extension de drainage avec quatre trous (avec des bouchons) à différentes hauteurs, qui peut être utilisé pour ajuster le niveau d’eau dans le récipient après le drainage par un trou particulier s’arrête (le volume d’eau de réserve). Le volume d’eau souhaité dépendra de l’espèce végétale, du type de milieu de mise en pot utilisé et des besoins en eau des plantes (c.-à-d. le volume de transpiration quotidien estimé). EE) L’unité de commande se compose d’une boîte rectangulaire verte qui contient le contrôleur électronique et les valves solénoïdes. Il ya des trous à travers lesquels la solution de fertigation peut entrer et sortir des pots, ainsi que des prises pour connecter la cellule de charge et différents capteurs. Différents traitements, tels que différents niveaux de salinité ou différentes compositions minérales, peuvent être appliqués via la solution de fertigation. Un support métallique est connecté au contrôleur, pour tenir les tuyaux et les câbles et les empêcher de toucher les pots et d’ajouter dupoids. Les autres composants requis sont les sondes de sol(f)(p. ex., l’humidité, la température et les capteurs EC - 5TE), les drippers multi-sorties optionnels(G)(pour les applications de fertigation et/ou de traitement) et (H)les sondes atmosphériques [pour mesurer le déficit de pression de vapeur (VPD) et le rayonnement]. (I) Tableau unique entièrement équipé. (J) Tableau entièrement équipé dans la serre, flèches jaunes pointant les sondes atmosphériques qui permet la normalisation de la conductance stomatale en fonction des conditions atmosphériques locales. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 2 : Pièces requises pour une seule mise en place du pot.
(A–C) Les composants suivants sont nécessaires : un pot de 4 L, un pot de 4 L sans fond pour servir de support net, un morceau circulaire de maille de nylon (taille de pore = 60 mailles) avec un diamètre double de celui du fond du pot, un couvercle avec des trous désignés pour les gouttes d’égouttement de plante et d’irrigation, un bâton de fibre de verre blanche (poteau) et un anneau de joint noir. (D) Exemple d’un plan de table dans lequel les pots ont été randomisés. Dans la serre, chaque table avait 1 à 18 colonnes et quatre rangées, ici nous avons utilisé 24 positions. Cependant, la structure du tableau peut être facilement ajustée à n’importe quelle forme en fonction de la taille de la propre serre. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 3 : Mise en place du pot.
(A) Plantes qui poussent dans des plateaux de cavité. (Les plantules de tomates présentées ici ne sont qu’un exemple; de nombreuses autres espèces végétales pourraient être cultivées de la même manière). (B) Moulages de moules pour (C) créant des cavités dans le milieu de mise en pot qui (D) s’adaptera étroitement aux bouchons de racine-sol des semis, pour assurer la transplantation réussie de (E) les semis dans les pots. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 4 : Conditions atmosphériques au cours de l’expérience.
L’axe y à droite montre le déficit quotidien de pression de vapeur (VPD) et l’axe y à gauche montre le rayonnement photosynthétiquement actif (PAR) au cours des 29 jours consécutifs de l’expérience. Ce graphique a été produit par le logiciel d’analyse de données. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 5 : Teneur en eau volumétrique (VWC) mesurée par une sonde de sol au cours de l’expérience.
Les données représentent les valeurs VWC pour un cv. Plante Indica qui a été soumis au traitement de la sécheresse pendant toute la période d’expérience, y compris le rétablissement. Ce graphique a été produit par le logiciel d’analyse de données. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 6 : Poids des plantes entières (moyen ± SE) sur toute la période expérimentale pour le CV. Karla dans des conditions bien irriguées (de contrôle) et de sécheresse.
Les groupes ont été comparés à l’aide d’ANOVA (HSD de Tukey; p < 0,05). Chaque moyenne ± SE représente au moins quatre plantes. Le graphique et l’analyse statistique ont été produits par le logiciel d’analyse de données. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure supplémentaire 1 : Mise en service des fenêtres logicielles pour la configuration d’une expérience. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 2 : tableau « Plantes » comme feuille de calcul; Logiciel d’exploitation. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 3 : Fenêtre logicielle pour calculer le poids sec du sol; Logiciel d’exploitation. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 4 : Fenêtre logicielle pour la mise en place d’un traitement d’irrigation; Logiciel d’exploitation. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 5 : fenêtre De visionneuse de graphiques d’analyse de données. Dans notre expérience, nous avons utilisé trois cultivars de riz (c.-à-d. Indica, Karla et Risotto) et deux scénarios d’irrigation différents, bien irrigués (contrôle) et sécheresse. Les données brutes ont révélé une variation du poids des plantes au cours de l’expérience. Chaque ligne représente une plante/pot. Pendant la journée, les plantes ont transpiré, de sorte que le système a perdu du poids, comme on peut le voir dans les pentes des courbes quotidiennes. Les pots étaient irrigués tous les soirs à pleine capacité, aussi représentés que les pics dans les courbes. L’événement d’irrigation a été suivi par le drainage de tout excès d’eau après que le milieu de mise en pot avait été saturé. Au départ, toutes les plantes étaient bien irriguées (contrôle). A partir du 7 août 2018, la moitié des plantes ont été soumises à un traitement contre la sécheresse. Dans le même temps, le reste des plantes ont continué à recevoir une irrigation optimale. Le rétablissement différentiel a été réalisé en rétablissant l’irrigation des plantes traitées par la sécheresse, à partir du 20 août 2018 (permettant à chaque plante d’éprouver un degré similaire de stress) et en continuant jusqu’à la fin de l’expérience. Veuillez cliquer ici pour télécharger ce chiffre.
L’outil d’irrigation de rétroaction du système permet à l’utilisateur de concevoir des programmes d’irrigation pour chaque pot individuel en fonction du temps, du poids du pot, des données d’un capteur de sol (p. ex., VWC) ou de la transpiration des plantes au cours de la veille. Chaque plante peut être irriguée individuellement d’une manière personnalisée en fonction de ses propres performances. Cette irrigation différentielle minimise les différences entre le contenu de l’eau du sol des plantes, de sorte que toutes les plantes sont exposées à un traitement contrôlé de sécheresse indépendamment de leurs besoins individuels en eau.
Figure supplémentaire 6 : Fenêtre d’analyse des données pour l’analyse des données. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 7 : Fenêtre d’histogramme d’analyse des données. Cette figure montre une représentation graphique de la distribution des valeurs quotidiennes de transpiration dans les trois cultivars de riz différents (c.-à-d. Indica, Karla et Risotto) dans des conditions bien irriguées (contrôle). Le diagramme inférieur représente une visualisation de la carte thermique des plantes transpiration quotidienne basée sur l’emplacement physique des pots sur la table. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 8 : Fenêtre de test T d’analyse de données. Les lignées représentent les différences dans la transpiration quotidienne (un trait physiologique fondamental et important) entre deux cultivars de riz (c.-à-d. Karla et Risotto) dans des conditions bien irriguées (contrôle). La fenêtre montre la transpiration quotidienne des plantes individuelles (en haut à droite) et une comparaison des moyens ± SE de chaque groupe effectué à l’aide du t-testde l’étudiant (en bas à droite). L’analyse statistique a été effectuée automatiquement par le logiciel. Les points rouges représentent des différences significatives entre les traitements selon les tests tde l’élève; p < 0,05. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 9 : Fenêtre ANOVA d’analyse de données. (A) Représentation graphique des différences de transpiration quotidienne entre deux variétés de riz (c’est-à-dire Karla et Risotto) dans des conditions bien irriguées (contrôle) et de sécheresse sur l’ensemble de la période expérimentale. Le traitement de la sécheresse a commencé 5 jours après le début de l’expérience. En cliquant sur n’importe quel jour présentera la comparaison (B) Groupes à l’aide d’ANOVA (Tukey’s HSD; p < 0.05), ici le 12 août. Chaque moyenne ± SE représente au moins quatre plantes. Les mêmes groupes pourraient également (C) être présentés sous la forme d’un taux de transpiration continue (moyens ± SE) sur l’ensemble de la période expérimentale. Les graphiques et l’analyse statistique ont été produits par le logiciel d’analyse de données. Veuillez cliquer ici pour télécharger ce chiffre.
Figure supplémentaire 10 : Fenêtre de courbe linéaire de l’analyse des données. Cette fenêtre montre les courbes linéaires de trois cultivars de riz (c.-à-d. Indica, Karla et Risotto) dans des conditions de sécheresse. Le logiciel peut effectuer une analyse d’ajustement linéaire à la pièce de la relation entre n’importe quel paramètre physiologique (ici, transpiration quotidienne) et la teneur calculée en eau volumétrique (VWC) des plantes soumises au traitement de la sécheresse. Veuillez cliquer ici pour télécharger ce chiffre.
Matériel supplémentaire. Veuillez cliquer ici pour télécharger ces documents.
| Douleur moyenne | Description | |
| Sable grossier | Sable de silice 20-30 (écrans de maille supérieur et inférieur par lesquels le sable a été passé: 0.841 et 0.595 mm, respectivement) | |
| Sable fin | Sable de silice 75-90 (écrans de maille supérieur et inférieur par lesquels le sable a été passé: 0.291 et 0.163 mm, respectivement) | |
| Sol à base de tourbe | Klasmann 686 | |
| Sol loamy (sol naturel) | Sol de loam de sable pris de la couche supérieure d’une parcelle à la ferme expérimentale de la Faculté d’agriculture, d’alimentation et d’environnement, Rehovot, Israël | |
| Vermiculite | Vermiculite 3G | |
| Perlite | Perlite 212 (Plage de taille : 0,5 à 2,5 mm) | |
| Compost | Bental 11 Terre de potage | |
| Poreux, céramique, petit milieu | Profil Poreux Céramique 20-50 (écrans en maille supérieure et inférieure à travers lesquels la céramique moulue a été passée: 0.841 et 0.297 mm, respectivement) | |
| Poreux, céramique, milieu de taille mixte | Profil Céramique poreuse 50% 20-50 maille et 50% 20-6 maille, 0.841– 3.36 mm | |
Tableau 1 : Potting media.
| Type de milieu de sol / Paramètres | Sable grossier | Sable fin | Sol de Loamy | Perlite | Vermiculite | Céramique poreuse de taille mixte | Céramique poreuse de petite taille | Sol à base de tourbe | Compost |
| Total de l’eau (TW, ml) | 860 ± 7,2 (F) | 883,1 ± 24 (F) | 1076,3 ± 35,9 (E) | 1119,9 ± 8,5 (E) | 1286 ± 22,4 (D) | 1503,6 ± 15,4 (C) | 1713 ± 25,9 (B) | 1744,3 ± 8,2 (B) | 2089,6 ± 61,6 (A) |
| Teneur en eau volumétrique (VWC, ml3/ml3) | 0,26 (F) | 0,27 (F) | 0,33 (E) | 0,35 (E) | 0,4 (D) | 0,46 (C) | 0,53 (B) | 0,54 (B) | 0,65 (A) |
| Densité en vrac (BD, g/cm3) | 1.7 (A) | 1,6 (B) | 1,5(C) | 0,1 (H) | 0,2 (F) | 0,8 (D) | 0,7 (E) | 0,2 (G) | 0,1 (G) |
| Stabilité du poids du sol (SWS, g/j) | ±2,3 ± 0,3 (B) | ±4,3 ± 0,3 (B) | ±2,9 ± 0,9 (B) | ±14,9 ± 0,7 (A) | ±7,6 ± 2,8 (B) | ±1,3 ± 0,1 (B) | ±1,9 ± 0,4 (B) | ±6,7 ± 0,8 (B) | ±4,3 ± 1,2 (B) |
| Stabilité du poids du sol avec eau réservée dans le bain (g/jour; voir la section 6.14) | 3 ± 0,4 (B) | 3,3 ± 0,4 (B) | 3,2 ± 1,2 (B) | 6,3 ± 0,5 (A) | 2,7 ± 0,8 (B) | 1,6 ± 0,3 (B) | 1,9 ± 0,3 (B) | 10,6 ± 3 (A) | 1,5 ± 0,3 (B) |
| Teneur en humidité gravimétrique de la capacité du pot (CFC; voir la section 8.2) | 0,18 (G) | 0,23 (G) | 0,23 (G) | 3,79 (C) | 3.0 (D) | 0,74 (F) | 0,99 (E) | 4.25 (B) | 6.13 (A) |
| Capacité relative de drainage | Excellente | Douleur moyenne | Moyen-bas | Excellente | Excellente | Excellente | Excellente | Faible | Douleur moyenne |
| Temps relatif pour atteindre la capacité du pot | Rapide | Rapide | Rapide | Lent | Lent | Rapide | Rapide | Lent | Lent |
| Capacité d’échange de cations relatives (CEC) | Faible | Faible | Faible | Faible | Haute | Haute | Haute | Haute | Haute |
| Compatibilité avec : | |||||||||
| Lavage des racines (à la fin de l’expérience) | ++ | ++ | + | ++ | + | ++ | ++ | - | - |
| Traitement nutritif/biostimulant | ++ | ++ | - | ++ | + | + | + | - | - |
| Traitements de salinité | ++ | ++ | + | ++ | + | ++ | ++ | + | - |
| Mesure précise des taux de croissance | ++ | ++ | + | -,+ | + | ++ | +++ | + | + |
| Récupération physique de la structure du sol après la sécheresse | +++ | +++ | ++ | + | - | +++ | +++ | -,+ | - |
| * Eau totale (TW, ml) = poids humide du sol (à la capacité du pot) – poids sec du sol. Teneur en eau volumétrique (VWC) = TW/volume du sol. | |||||||||
| Densité en vrac (BD) = poids sec du sol/volume du sol. Stabilité du poids du sol (SWS) = Variation moyenne du poids humide du sol sur 4 jours consécutifs (moyenne à la capacité du pot sans plante après la dernière irrigation). | |||||||||
| Capacité du pot teneur en humidité gravimétrique (SWC); pour le calcul, veuillez consulter la section 7.2. | |||||||||
Tableau 2 : Caractéristiques générales de 9 supports de mise en pot différents et leur compatibilité avec la plate-forme gravimétrique. Les mesures ont été prises à l’aide de pots de 4 L remplis de 3,2 L de moyenne à la capacité du champ (capacité du pot). Les données sont affichées comme moyens ± SE. Différentes lettres dans les colonnes indiquent des différences significatives entre les médias, selon le test HSD de Tukey (P < 0,05; 3 ≤ n ≤ 5).
| Composants fertigation | Concentration finale (ppm) | Concentration finale (mM) |
| NaNO3 | 195.8 | 2.3 |
| H3PO4 | 209 | 0.000969 |
| KNO3 | 271.4 | 2.685 |
| MgSO4 | 75 | 0.623 |
| ZnSO4 | 0.748 | 0.0025 |
| CuSO4 | 0.496 | 0.00198 |
| MoO3 | 0.131 | 0.00081 |
| MnSO4 | 3.441 | 0.0154 |
| Borax | 0.3 | 0.00078 |
| C10H12N2NaFeO8 (Fe) | 8.66 | 0.0204 |
| Le pH de la solution d’irrigation finale du dripper (après dilution avec l’eau du robinet) variait entre 6,5 et 7. | ||
Tableau 3 : Composants de fertigation.
Discussion
L’écart de connaissances génotype-phénotype reflète la complexité des interactions génotype x environnement (revue par18,24). Il pourrait être possible de combler cet écart grâce à l’utilisation de plates-formes de diagnostic htp-télémétrique à haute résolution et de dépistage phénotypique qui peuvent être utilisées pour étudier les performances physiologiques des plantes entières et la cinétique de la relation avec l’eau8,9. La complexité des interactions génotype x environnement fait du phénotypage un défi, en particulier à la lumière de la rapidité avec laquelle les plantes réagissent à leurs environnements changeants. Bien que divers systèmes de phénotypage soient actuellement disponibles, la plupart de ces systèmes sont basés sur la télédétection et les techniques d’imagerie avancées. Bien que ces systèmes fournissent des mesures simultanées, dans une certaine mesure, leurs mesures sont limitées aux traits physiologiques morphologiques et indirects25. Les traits physiologiques sont très importants dans le contexte de la réactivité ou de la sensibilité aux conditions environnementales26. Par conséquent, les mesures directes prises en continu et simultanément à une très haute résolution (par exemple, 3 intervalles min) peuvent fournir une description très précise du comportement physiologique d’une plante. Malgré ces avantages substantiels du système gravimétrique, il faut également tenir compte du fait que ce système présente certains inconvénients potentiels. Les principaux inconvénients résultent de la nécessité de travailler avec des pots et dans des conditions de serre, ce qui peut présenter des défis majeurs pour la régulation du traitement (en particulier la régulation des traitements de sécheresse) et la répétabilité expérimentale.
Afin de résoudre ces problèmes, il faut normaliser les contraintes appliquées, créer une structure expérimentale véritablement randomisée, minimiser les effets du pot et comparer les multiples comportements dynamiques des plantes dans des conditions environnementales changeantes dans un court laps de temps. L’approche de phénotypage fonctionnel HTP-télémétrique décrite dans le présent document aborde ces questions comme indiqué ci-dessous.
Afin de mettre en corrélation la réponse dynamique de la plante avec son environnement dynamique et de dresser un tableau complet et complet des interactions complexes entre les plantes et l’environnement, les conditions environnementales (figure 4) et les réponses des plantes (figure supplémentaire 9B) doivent être mesurées en continu. Cette méthode permet de mesurer les changements physiques dans le milieu de mise en pot et l’atmosphère en continu et simultanément, parallèlement aux traits végétaux (continuum sol-plante-atmosphère, SPAC).
Pour mieux prédire comment les plantes se comporteront sur le terrain, il est important d’effectuer le processus de phénotypage dans des conditions aussi semblables que possible à celles trouvées dans le champ18. Nous menons les expériences dans une serre dans des conditions semi-contrôlées pour imiter les conditions de terrain autant que possible. L’une des conditions les plus importantes est le milieu de croissance ou de mise en pot. Il est crucial de choisir le support de mise en pot le plus approprié pour l’expérience du système gravimétrique. Il est conseillé de choisir un milieu de sol qui s’écoule rapidement, permet la réalisation rapide de la capacité du pot et a une capacité de pot très stable, car ces caractéristiques permettent des mesures plus précises par le système gravimétrique. En outre, les différents traitements à appliquer dans l’expérience doivent également être considérés. Par exemple, les traitements impliquant des sels, des engrais ou des produits chimiques exigent l’utilisation d’un milieu de mise en pot inerte, de préférence un milieu avec une faible capacité d’échange de cations. Les traitements de sécheresse appliqués aux espèces végétales à faible transpiration fonctionneraient mieux avec les supports de mise en pot avec des niveaux de VMC relativement faibles. En revanche, les traitements de sécheresse lente appliqués aux plantes à forte transpiration fonctionneraient mieux avec les médias de mise en pot avec des niveaux de VWC relativement élevés. Si les racines sont nécessaires pour l’analyse post-expérience (p. ex., morphologie des racines, poids sec, etc.), l’utilisation d’un milieu à teneur relativement faible en matière organique (c.-à-d. sable, céramique poreuse ou perlite) facilitera le lavage des racines sans les endommager. Pour les expériences qui se poursuivront pendant de plus longues périodes, il est conseillé d’éviter les milieux riches en matière organique, car cette matière organique peut se décomposer avec le temps. Veuillez consulter les tableaux 1 et 2 pour obtenir de plus amples renseignements sur ce sujet.
Le phénotypage de terrain et le phénotypage en serre (pré-champ) ont leurs propres objectifs et nécessitent des configurations expérimentales différentes. Le phénotypage pré-champ aide à choisir des génotypes candidats prometteurs qui ont une forte probabilité de bien faire sur le terrain, afin de rendre les essais sur le terrain plus ciblés et plus rentables. Toutefois, le phénotypage pré-champ comporte un certain nombre de limitations (p. ex., effets de pot) qui peuvent faire en sorte que les plantes fonctionnent différemment de ce qu’elles feraient dans des conditions de terrain18,27. La petite taille du pot, la perte d’eau par évaporation et le chauffage des écailles de lysimètre sont des exemples de facteurs dans les expériences de serre chaude qui peuvent mener aux effets de pot18. La méthode décrite ici est conçue pour minimiser ces effets potentiels de la manière suivante :
a) La taille du pot est choisie en fonction du génotype à examiner. Le système est capable de supporter différentes tailles de pot (jusqu’à 25 L) et les traitements d’irrigation, ce qui permet l’examen de tout type de plante de culture.
b) Les pots et les écailles de lysimètre sont isolés pour empêcher le transfert de la chaleur et tout réchauffement des pots.
c) Ce système comprend un système d’irrigation et de drainage soigneusement conçu.
d) Il existe un contrôleur distinct pour chaque pot, afin de permettre une véritable randomisation avec des traitements auto-irrigués et auto-surveillés.
e) Le logiciel prend en compte le VPD local des plantes dans le calcul de la conductance stomatale de la canopée. Veuillez consulter la localisation des plusieurs stations VPD dans la figure 1J.
Ce système implique des mesures physiologiques directes à des densités végétales semblables à des champs, ce qui élimine le besoin de grands espaces entre les plantes ou de déplacer les plantes pour le phénotypage à base d’images. Ce système comprend l’analyse des données en temps réel, ainsi que la capacité de détecter avec précision le point de stress physiologique (θ) de chaque plante. Cela permet au chercheur de surveiller les plantes et de prendre des décisions concernant la façon dont l’expérience doit être menée et comment les échantillons doivent être prélevés au cours de l’expérience. L’étalonnage du poids simple et simple du système facilite l’étalonnage efficace. Les systèmes à haut débit génèrent des quantités massives de données, qui présentent des défis supplémentaires en matière de traitement des données et d’analyse11,12. L’analyse en temps réel du Big Data qui est directement alimenté au logiciel par le contrôleur est une étape importante dans la traduction des données enconnaissances 14 qui a une grande valeur pour la prise de décision pratique.
Cette méthode de phénotypage physiologique hTP-télémétrique pourrait être utile pour mener des expériences en serre dans des conditions proches du champ. Le système est capable de mesurer et de calculer directement les réponses physiologiques des plantes liées à l’eau à leur environnement dynamique, tout en surmontant efficacement la plupart des problèmes associés à l’effet pot. Les capacités de ce système sont extrêmement importantes au stade du phénotypage pré-champ, car elles offrent la possibilité de prévoir des pénalités de rendement pendant les premiers stades de la croissance des plantes.
Disclosures
Les auteurs n’ont rien à révéler.
Acknowledgments
Ce travail a été soutenu par le programme de recherche conjoint ISF-NSFC (subvention no 2436/18) et a également été partiellement soutenu par le Ministère israélien de l’agriculture et du développement rural (Eugene Kandel Knowledge Centers) dans le cadre de la Racine de la matière – Le Root Zone Knowledge Center for Leverage Modern Agriculture.
Materials
| Name | Company | Catalog Number | Comments |
| Atmospheric Probes | SpectrumTech/Meter group | 3686WD | Watchdog 2475 |
| 40027 | VP4 | ||
| Array Randomizer | None | The software "Array Randomizer" can be used for creating an experimental design of a randomized block design, or fully random design. It was developed to have better control over the random distribution of the experimental samples (plants) in order to normalize the atmospheric microvariation inside the greenhouse. | |
| Free download and more information, please click on the following link: https://drive.google.com/open?id=1y4QbTpxRK5Lx430xzu1RFdrlcL8pz_1q | |||
| Cavity trays | Danish size with curved rim for nursery | 30162 | 4X4X7 Cell, 84 cell per tray https://desch.nl/en/products/seed_propagation_trays/danish-size-with-curved-rim-for-nursery~p92 |
| Coarse sand | Negev Industrial Minerals Ltd., Israel | ||
| Compost | Tuff Marom Golan, Israel | ||
| Data Analysis software | Plant-Ditech Ltd., Israel | SPAC Analytics | |
| Drippers | Netafim | 21500-001520 | PCJ 8L/h |
| Fine sand | Negev Industrial Minerals Ltd., Israel | ||
| Loamy soil (natural soil) | |||
| Nylon mesh | Not relevant (generic products) | ||
| Operating software | Plant-Ditech Ltd., Israel | Plantarray Feedback Control (PFC) | |
| Peat-based soil | Klasmann-Deilmann GmbH, Germany | ||
| Perlite | Agrekal , Israel | ||
| Plantarray 3.0 system | Plant-Ditech Ltd., Israel | SCA400s | Weighing lysimeters |
| PLA300S | Planter unit container | ||
| CON100 | Control unit | ||
| part of the planter set | Fiberglass stick | ||
| part of the planter set | Gasket ring | ||
| Operating software | |||
| SPAC Analytics software | |||
| Porous, ceramic, mixed-sized medium | Greens Grade, PROFILE Products LLC., USA | ||
| Porous, ceramic, small-sized medium | Greens Grade, PROFILE Products LLC., USA | ||
| Pots | Not relevant (generic products) | ||
| Soil | Bental 11 by Tuff Marom Golan | ||
| Soil Probes | Meter group | 40567 | 5TE |
| 40636 | 5TM | ||
| 40478 | GS3 | ||
| Vermiculite | Agrekal , Israel |
References
- Ray, D. K., Mueller, N. D., West, P. C., Foley, J. A. Yield Trends Are Insufficient to Double Global Crop Production by 2050. PLoS One. 8, 66428 (2013).
- Food and Agriculture Organization of the United Nations. The future of food and agriculture: Trends and challenges. , Rome. (2017).
- Dhankher, O. P., Foyer, C. H. Climate resilient crops for improving global food security and safety. Plant, Cell & Environment. 41, 877-884 (2018).
- Chen, D., et al. Dissecting the phenotypic components of crop plant growthand drought responses based on high-throughput image analysis w open. Plant Cell. 26, 4636-4655 (2014).
- Ubbens, J. R., Stavness, I. Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks. Frontiers in Plant Science. , (2017).
- Danzi, D., et al. Can High Throughput Phenotyping Help Food Security in the Mediterranean Area. Frontiers in Plant Science. , (2019).
- Miflin, B. Crop improvement in the 21st century. Journal of Experimental Botany. 51, 1-8 (2000).
- Dalal, A., et al. Dynamic Physiological Phenotyping of Drought-Stressed Pepper Plants Treated With "Productivity-Enhancing" and "Survivability-Enhancing" Biostimulants. Frontiers in Plant Science. , (2019).
- Moshelion, M., Altman, A. Current challenges and future perspectives of plant and agricultural biotechnology. Trends in Biotechnology. 33, 337-342 (2015).
- Singh, A., Ganapathysubramanian, B., Singh, A. K., Sarkar, S. Machine Learning for High-Throughput Stress Phenotyping in Plants. Trends in Plant Science. 21, 110-124 (2016).
- Houle, D., Govindaraju, D. R., Omholt, S. Phenomics: The next challenge. Nature Reviews Genetics. 11, 855-866 (2010).
- Fiorani, F., Schurr, U. Future Scenarios for Plant Phenotyping. Annual Review of Plant Biology. 64, 267-291 (2013).
- Tardieu, F., Cabrera-Bosquet, L., Pridmore, T., Bennett, M. Plant Phenomics, From Sensors to Knowledge. Current Biology. 27, 770-783 (2017).
- Negin, B., Moshelion, M. The advantages of functional phenotyping in pre-field screening for drought-tolerant crops. Functional Plant Biology. , (2017).
- Gebremedhin, A., Badenhorst, P. E., Wang, J., Spangenberg, G. C., Smith, K. F. Prospects for measurement of dry matter yield in forage breeding programs using sensor technologies. Agronomy. 9, 65 (2019).
- Roitsch, T., et al. New sensors and data-driven approaches-A path to next generation phenomics. Plant Science. 282, 2-10 (2019).
- Li, L., Zhang, Q., Huang, D. A review of imaging techniques for plant phenotyping. Sensors (Switzerland). 14, 20078-20111 (2014).
- Gosa, S. C., Lupo, Y., Moshelion, M. Quantitative and comparative analysis of whole-plant performance for functional physiological traits phenotyping: New tools to support pre-breeding and plant stress physiology studies. Plant Science. 282, 49-59 (2019).
- Araus, J. L., Cairns, J. E. Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science. 19, 52-61 (2014).
- Ito, V. C., Lacerda, L. G. Black rice (Oryza sativa L.): A review of its historical aspects, chemical composition, nutritional and functional properties, and applications and processing technologies. Food Chemistry. 301, 125304 (2019).
- Anjum, S. A., et al. physiological and biochemical responses of plants to drought stress. African Journal of Agricultural Research. , (2011).
- Halperin, O., Gebremedhin, A., Wallach, R., Moshelion, M. High-throughput physiological phenotyping and screening system for the characterization of plant-environment interactions. The Plant Journal. 89, 839-850 (2017).
- Yaaran, A., Negin, B., Moshelion, M. Role of guard-cell ABA in determining steady-state stomatal aperture and prompt vapor-pressure-deficit response. Plant Science. 281, 31-40 (2019).
- Dalal, A., Attia, Z., Moshelion, M. To produce or to survive: how plastic is your crop stress physiology. Frontiers in Plant Science. 8, 2067 (2017).
- Araus, J. L., Kefauver, S. C., Zaman-Allah, M., Olsen, M. S., Cairns, J. E. Translating High-Throughput Phenotyping into Genetic Gain. Trends in Plant Science. 23, 451-466 (2018).
- Ghanem, M. E., Marrou, H., Sinclair, T. R. Physiological phenotyping of plants for crop improvement. Trends in Plant Science. 20, 139-144 (2015).
- Sinclair, T. R., et al. Pot binding as a variable confounding plant phenotype: theoretical derivation and experimental observations. Planta. 245, 729-735 (2017).
