Otonom bir robot kullanılarak ürün bitkilerinde fotosentetik verimliliğin yüksek verimli ve sahada taraması

Summary

Bu el yazması, fotosistem II kuantum verimliliği, spektral yansıtma ve bitki mimarisinin otonom alan ölçümleri için yıkıcı olmayan, yüksek verimli bir yaklaşımı tanımlar; bu yaklaşım, agronomik ve ıslah saha denemelerinde büyük ölçekli örtülü fotosentez fenotipini mümkün kılar.

Abstract

Fotosentez, sadece bitki biyokütlesi üretimi için değil, aynı zamanda azot (N) fiksasyonu gibi simbiyotik süreçler için de enerji sağlar. Işık yakalama ve hasat indeksinin iyileştirilmesinden kaynaklanan ana ürünlerin verimliliğinde daha fazla genetik kazanım potansiyeli büyük ölçüde tükenmiş olsa da, fotosentetik özelliklerde doğal olarak oluşan veya indüklenen genetik varyasyon, verimin daha da artması için önemli bir potansiyel sunmaktadır. Ancak, fotosentez değişken alan koşullarında oldukça dinamik olduğundan, yüksek uzamsal ve zamansal çözünürlüklü veriler mevcut olmadıkça, fotosentez performansı için hedefli bir seçim yapmak zordur. Bu boşluğu kapatmak için, fotosistem II'nin kuantum verimliliğini ölçmek için otonom bir alan robotuna ışık kaynaklı floresans geçici (LIFT) cihazı taktık; bu cihazın genel fotosentetik performansla iyi ilişkilendirildiği gösterilmiştir. LIFT yöntemi, maksimum floresansı oluşturmak için hızlı tekrarlama hızında alt doygunlaşan flaşlar kullanır ve 1 m'ye kadar mesafeden 1 ms'den daha kısa ölçümler yapılmasını sağlar. Robot, 0,5 m ^s-1 hızında hareket eder ve küresel navigasyon uydu sistemi (GNSS) koordinatlarına göre tüm alanı otonom olarak gezer. Spektral ölçümler ve stereo kırmızı, yeşil ve mavi (RGB) kameralar, yaprak açısı ve hedef yapraktaki ışık yoğunluğu gibi üç boyutlu (3D) bitki mimarisiyle ilgili özellikler hakkında ek bilgi sağlar. Ortaya çıkan yüksek mekânsal ve zaman çözünürlüklü fotosentez verimlilik haritaları, tarımsal saha denemelerinde veya bitki ıslahı fidanlıklarında bitkilerin büyüme performansı hakkında ayrıntılı bilgi sağlar.

Introduction

Fotosentez, bitkilere sadece biyokütle üretimi ve kendi metabolizmalarının korunması için enerji temeli sağlamakla kalmaz, aynı zamanda baklagillerde azot (N) fiksasyonu¹ ve diğer simbiyotik süreçler^{için de sağlar 2}. Herhangi bir ürünün verim potansiyeli, örtü tarafından kesilen fotosentetik foton akış oranının (PPFR) oranına (ε_i), bu radyasyonun fotosentezde gerçekten kullanılan ve biyokütleye dönüştürülen oranına (ε_c) ve hasat edilen ürüne bölünen biyokütle enerjisinin oranına (ε_p)³ bağlıdır. ε_p, hasat indeksine (HI) eşit olarak ayarlanabilir; eğer sonuncu, hasat edilen ürünün biyokütlesinin toplam sürgün ve kök biyokütlesine^{bölünmesi olarak tanımlanırsa 3}. Önceki yetiştirme çalışmaları ağırlıklı olarak _i ve ε c ε artırmaya odaklanmış ve bu konuda oldukça başarılı^{olmuştur 3}: Örneğin, modern tahıl ve tahıl baklagil genotipleri yaklaşık %90 civarında bir ε i ve %60 civarında bir HI'ye ^{ulaşabilir3,4}, bu da _i ve ε p 3 ε daha fazla artma ihtimali çok az ^{bırakır, 5}. Buna karşılık, C₃ ve C₄ ürünlerinde gözlemlenen ε c değerleri hâlâ nadiren sırasıyla %9,4 ve %12,3 olan teorik maksimumun üçte birini aşmaktadır. Bu, doğal genetik varyasyon temelinde seçim ve/veya fotosentez aparatının unsurlarının, örneğin ribuloz-1,5-bisfosfat karboksilaz/oksijenaz (RuBisCO) enziminin hedefli optimizasyonu yoluyla ε genetik ^mühendislik 3,5,6,7 yoluyla artırılabilirse, ürün verimliliğini daha da artırma potansiyelinin büyük bir potansiyeli olduğunu gösterir. Ancak, i) fotosentetik verimliliğin, bitkilerin sürekli değişen ışığa ve diğer çevresel değişkenlere uyum sağladığı için saha koşullarında oldukça dinamik^{olduğu gösterilmiştir; 8,9} ii) sabit durum koşullarında ölçülen fotosentetik özellikler (örneğin, yapay aydınlatmalı kapalı büyüme^{odalarında 10}) alanda gözlemlenen sabit olmayan fotosentezden farklı kalıtsal kalıplar gösterir¹¹. Bu, pratikte genellikle açık havada tarlada yetiştirilen temel gıda ürünlerinin yüksek verimli genotiplerinin seçiminde iç mekan fotosentez fenotiplemesinin faydasını sınırlar. Sonuç olarak, çok sayıda ürün genotipinden elde edilen yüksek mekansal ve zamansal çözünürlüklü veriler mevcut olmadıkça, fotosentetik özellikler için hedefli bir seçim yapmak^{zordur 6,12}. 

Sahada fotosentezin yıkıcı olmayan ölçümlerini gerçekleştirme girişimleri büyük ölçüde elde taşınan gaz^{değişim 13,14,15} veya darbe genlikli modülasyon (PAM) tipi klorofil floresans (ChlF)^16,17 ölçüm cihazlarına dayanmıştır. Bu yaklaşımların ortak dezavantajı ise, ölçümlerin yapılması gereken yaprakların elle kesilmesi veya ölçüm^{odasına yerleştirilmesi gerektiğidir 18,19}. Ayrıca, sahada gaz değişimi ölçümleri ölçüm odasında dengeyi sağlamak için birkaç dakika sürer. Bu durum, ölçümleri zahmetli ve yavaş yapar; bu da genel olarak değişken koşullarda fotosentetik düzenlemenin incelenmesi için yeterli bir verimlilik elde etmekte büyük zorluklara yol açar; özellikle de üreme programlarında yüzlerce hatta binlerce genotipin anlamlı bir taraması^{için 19}. Yukarıda bahsedilen PAM ChlF ölçüm^{cihazları 17} gibi, ışıkla indüklenen floresan geçişli (LIFT)^{yöntemi 20}, şu gerçekleri kullanır: i) fotosistem II'de klorofile ulaşan ışık enerjisi (PS II) fotosentez için, fotokimyasal olmayan söndürme (NPQ) adı verilen bir süreçle ısı olarak dağıtılabilir veya ChlF ve ii ile) fotosentez yolunu güçlü bir ışık darbesinden doygunlukla engellemek, PS II'nin aşağısında elektron alıcılarının azalmasına yol açar, buna karşılık gelen ChlF artışına yol açar. Bu indüklenmiş değişken ChlF'ye dayanarak, ortam ışık koşullarında PS II'nin fotosentetik kuantum verimliliğini (F_q'/_{F m}') veya PS II'nin maksimum kuantum verimliliğini (F_v/_{F m} m) hesaplayabiliriz) ölçümlerden önce yapraklar karanlıkta tutulursa.

F_v/F_m parametresi, 1980'lerin başında Kitajima ve Butler²¹, Butler²² ve Björkman ile Demmig²³ tarafından belirlenmiştir; çeşitli türlerde stressiz yapraklarda optimal değer ≈ 0,83 olarak bildirilmiştir. Fotosentetik performansın tanısı olarak F_q'/F_m' (Φ_{PS II}) geliştirilmesi, Genty ve ark.24 ile başladı; bu yöntemin stressiz koşullarda CO₂ asimilasyonu ile neredeyse doğrusal ilişkisi olduğunu gösterdiler. Maxwell ve Johnson²⁵ ile Baker²⁶ daha sonra F_q'/F_m', F_v/F_m ve NPQ' uygulamaları için pratik bir çerçeve sağlamış, çevresel strese duyarlılıklarını ve fotoinhibitisyon gibi hasar belirtilerini belirlemedeki değerlerini vurgulamışlardır. Murchie ve^{Lawson 27}, F_q'/F_m' oranının saha fenotiplendirmesi ve ürün iyileştirmesi için potansiyelini (ve sınırlamalarını) vurguladı. Daha yakın zamanda, Long ve ^ark.8, ürünlerde fotosentezin değişken ışık altında gerçekleştiğini, PS II verimliliği ve NPQ düzenlemesindeki dinamik değişikliklerin karbon kazanımını güçlü şekilde etkilediğini vurgulamış, floresan parametrelerinin zamansal çevresel değişkenlikle ilişkili olarak yorumlanması gerektiğini vurgulamıştır.

^28'de belirtildiği gibi, sabit bir LIFT sensörüyle ölçülen F_q'/F_m' PAM (R² = 0.89) ve CO₂ asimilasyon oranı ölçümleriyle (R² = 0.89) iyi ilişkilidir^. Buna doğrultusunda, saha sezonlarında F_q'/F_m' yanıtlarının modellenmesi, ε_c, ürün verimliliği^12,32 ve stres toleransı³³ gibi iyi tahminler yapılmasına olanak sağlamıştır. Ancak, PAM tipi ChlF ölçüm cihazları, fotosentez yolunu engellemek için tek bir ışık flaşı (doygunlaştırıcı darbe) ve minimum ve maksimum ChlF (ölçüm darbesi) ölçmek için daha zayıf flaşlar kullanır; bu da toplamda yaklaşık 1 saniye sürer ve bu nedenle çok yüksek verimlilik için uygun değildir. Buna karşılık, LIFT sensörü 300 yüksek yoğunluklu flaşletten oluşan hızlı bir diziyi (40.000 μmol ^{m-2 s-1} fotonlu) üreterek fotosentez yolunun kademeli doygunluğunu 750 μs (= 0.00075 s) içinde sağlarken, ChlF verimi ayrık^{olarak 20} ölçülür. Bu, ölçüm cihazı ile hedef yaprak¹⁹ arasında daha büyük bir mesafe sağlar ve sensörün sert şekilde monte edildiği otonom taşıyıcı araç kullanılarak hızlı, yüksek verimli ölçümler yapılmasını^{sağlar 32}. Önceki çalışmalar (örneğin, ³²) genellikle saha koşullarında veya sera deneyleriyle sınırlı verimlilik açısından kaldı. Bu yaklaşımlar fotosentetik^{düzenleme 12} için aday genleri belirlemede başarılı olsa da, muhtemelen saha koşullarında gerçekleşen önemli düzenleyici süreçleri gözden kaçırmışlardır. Bu nedenle, otonom bir robota monte edilmiş bir LIFT sensörünüzün, sahada çok sayıda genotipin (günde binlerce bitki veya grafik üzerinde saniyede birkaç ölçüm) F_q'/F_m' ölçümünü ölçmek için uygun bir araç oluşturduğunu varsayıyoruz.

Protocol

1. PPFR sensörü ve veri kaydedicisinin kurulumu

1. PPFR sensörünü ve güç bankasını veri kaydediciye bağlayın. Veri kaydedicisini dizüstü bilgisayara bağlayın ve veri kaydedicisi masaüstü istemcisiyle başlatın.
2. Kamera tripodunu deney alanının yanında, PPFR sensörü üstte, veri kaydedici ve güç bankasını ise yere yerleştirin.
   NOT: PPFR sensörünün dik konumda olduğundan ve gölgelenmediğinden veya yakındaki herhangi bir nesneden etkilenmediğinden emin olun. PPFR sensörü, doğrudan robota monte edildiğinde doğru PPFR değerlerini ölçmek için bir gimbal gerektirir.

2. Robot ve LIFT sensör montajının kurulumu

1. Ölçüm için yol noktası koordinatlarını (.geojson formatı) robota yükleyin. Bunlar, denemenin GNSS rehberli ekimi için kullanılan kişilerle aynı olabilir.
2. LIFT sensör montajını robotun önüne, tarla örtülü örtüsünden yaklaşık 60 cm yükseklikte monte edin (bkz. Şekil 1A).
3. Dizüstü bilgisayarı, araba bataryasını ve güç invertörünü robotun üstüne yerleştirin ve güç invertörü araba bataryasına ve LIFT sensör montajına bağlayın.
   DIKKAT: LIFT sensörünün uyarılma ışını gözler için tehlikelidir. Uyarı ışınına doğrudan bakmaktan kesinlikle kaçınmak gerekir.
4. GNSS anten kitini robotun üstüne yerleştirin, dizüstü bilgisayara bağlayın ve GNSS logger masaüstü istemcisini başlatın.
5. LIFT sensörünü dizüstü bilgisayara bağlayın ve aşağıdaki ayarlarla LIFT masaüstü istemcisini başlatın:
   LIFT sensörü: uyarılma gücü = 40.000 μmol foton m>^{-2 s-1}; flaşlet uzunluğu = 1,6 μs; tek ölçüm başına uyarılma flaş sayısı = 300; gevşetme flaşları sayısı = 80; uyarılma flaşları arasındaki süre = 2,5 μs; gevşeme flaşletleri arasındaki zaman: j_i = 10^{1.28 + 0.0215 × i} μs, burada j_i i^. flaşletin aralık uzunluğudur; sensör kazancı = 10 veya 25; ölçüm aralığı = 0 s.
   Spektrometre: spektral entegrasyon süresi = 100 ms, spektral aralık 400 ila 800 nm arasındadır.
   RGB kameralar: pozlama = otomatik; deklanşör = otomatik; kazanç = otomatik; parlaklık = 0; kare hızı = 20 ^s-1; tetikleme modu = izin verilir (her LIFT ölçümünde kamerayı tetikler).
   NOT: LIFT sensörü tarafından doğrudan ölçülen miktar, ChlF vericidir (her flaşlet²⁰ için uyarılma ışını nedeniyle toplam ChlF artışı). Sonra, F_q'/F_m' olarak hesaplayın
   F_q'/F_m' = (F_m' - F') / F_m' ²⁶
   burada F', 1^{. flaşletin} ChlF verimi olarak tanımlanır ve F_m' ise 301^{. flaşletin} ChlF verimlerinin ortalaması olarak tanımlanır ve 302.^{flaşletler 28'in} ChlF verimlerinin ortalaması olarak tanımlanır. Bir ChlF ölçümünün toplam süresi (gevşemasyon evzi dahil) yaklaşık 21 ms'dir, ancak kritik 300 flaşlet uyarılma aşamasının süresi sadece 750 μs'dir.

3. LIFT ölçümlerinin yapılması

1. Uzaktan kumanda kullanarak robotu deneysel alandaki ilk çizgi grafiklerin başına manuel olarak yönlendirin.
2. LIFT sensörü ve spektrometre için ölçüm besini sürekli modda etkinleştirin.
3. Otonom robot navigasyonunu robot kontrol web sitesini kullanarak 0,5 m ^s-1 hızda başlatın.
4. Ölçüm sırasında, LIFT sensör montajı masaüstü istemcisinde zaman içindeki ChlF verimini temsil eden grafiki periyodik olarak kontrol ederek beklenen şekli aldığından emin olun ( bkz. Şekil 1B). Sinyaller çok zayıfsa sensör kazancını ayarlayın.
5. Robot tarla sınırında dönerken beyaz referans panelini, ekin örtüsünün yüksekliğindeki uyarı ışınının altında periyodik olarak tutun.

4. Veri entegrasyonu ve ön işleme

NOT: R kodu GitHub'da (https://github.com/beat2keller/lift_data_processing) mevcuttur

1. Tüm *_data.csv ve *_spectral.csv verilerinden LIFT geçici ve spektral verilerini R data.table^{paketi 34} kullanarak okuyun.
2. GNSS ve hava verilerini, .geojson grafik haritaları ve deneysel tasarımla birlikte okuyun.
3. Veri setlerini birleştirin ve örneğin^12'de veya aşağıda açıklandığı gibi istatistiksel analiz yapın.
   1. Her kaydedilmiş geçiciden F_q'/F_m' çıkar.
   2. Her GNSS noktasını, mekânsal muhafaza kullanarak .geojson çokgenlerine dayalı ilgili grafikle birleştirin. LIFT sensör montajı ile robotun GNSS antenine arasındaki mesafeyi hesaba katmayı unutmayın.
   3. Robotun gidişini ardışık pozisyonlardan belirleyin. Deneysel tasarımı, atanan grafik tanımlayıcılarla GNSS verileriyle birleştirin.
      NOT: Bu adım, her mekansal konumu ilgili tedavi (örneğin genotip) ve replikasyon (örneğin, blok) bilgileriyle bağlar.
   4. PPFR sensöründen gelen yüksek çözünürlüklü verileri, en yakın hava durumu istasyonundan gelen düşük çözünürlüklü PPFR verileriyle birleştirerek sigortalı gelen PPFR zaman serisi (isteğe bağlı) oluşturulur.
      NOT: İsviçre için düşük çözünürlüklü meteorolojik veriler,^35'te tanımlandığı gibi agrometeo.ch (https://agrometeo.ch/de) ağından türetilebilir.
   5. Spektral yansıtma veri setinden beyaz referans ölçümlerini filtreleyin ve PPFR verileriyle birleştirin; zaman damgaları kullanarak,^28'de açıklandığı gibi farklı gelen ışık yoğunluklarında spektral yansıtma için bir arama tablosu oluşturulur.
   6. Ham spektral yansıtma verilerini arama tablosuna göre düzeltin.
   7. Düzeltilmiş spektral yansıtma verilerinden MERIS karasal klorofil indeksi (MTCI) ve normalleştirilmiş fark bitki örtüsü indeksi (NDVI) formüller kullanılarak hesaplayın
      
      burada R_λ , dalga boyu λ nm ortalama yansımayı gösterir.
   8. ChlF, GNSS konum/deneysel tasarım ve PPFR/spektral yansıtma verilerini, zaman damgalarına dayalı olarak tanımlanmış bir tolerans penceresi (örneğin, 1 ms) ile en yakın komşu birleşimi gerçekleştirerek birleştirin.
   9. F_q'/F_m' içindeki outlier'li satırları veri setinden tespit edin ve çıkarın.
   10. Modele uyarak genotipe özgü fotosentetik yanıt eğilimlerini (G: PPFR) çıkarmak
       F_q'/F_m' = β₀ + β₁ Tarih + β₂ (Başlık x Saat) + β₃ (Genotip × PPFR) + β₄ MTCI + β₅ PPFR + ε
       Outlier filtreli veri setine doğru.
   11. (Genotip × PPFR) tahmin edici teriminin eğimi (β₃) tahmini marjinal eğilimler (R eğilimleri) kullanılarak genotipe özgü ışıklandırmaya karşı yanıtın nicel bir ölçütü elde edilmesi. MTCI'nin modele dahil edilmesi, daha önce açıklandığı gibi F_q'/F_m' etkileri olan klorofil içeriği ve örtü durumundaki farklılıkları^{açıklar. 12}.
       NOT: Başlık, robotun sürüş yönünü (4.3.3.3 adımındaki GNSS rulmanlarından türetilmiştir) ve ölçümler sırasında olası yön etkilerini hesaba katar.

Results

Toplamda, 12-27 Haziran 2025 tarihleri arasında 7 ölçüm gününde 36 soya fasulyesi (Glycine max (L .) Merr.) üreme hattından 91.205 ChlF geçici ölçümü alındı. 74.927 veri noktası grafiklere coğrafi referans verilebildi ve 58.916 veri kalitesi için filtrelenerek spektral ve hava durumu verileriyle başarıyla eşleştirildi. Ölçüm kurulumu ve temsil eden verilerin genel bir görünümü Şekil 1'de gösterilmiştir; bu da cihazın çalışırken olduğu görüntü (Şekil 1A), 12 soya fasulyesi genotipi boyunca ChlF indüksiyon kinetiği (Şekil 1B) ve ilgili spektral yansıtma eğrileri (Şekil 1C) yer alır.

Coğrafi referanslı veriler, iki deneysel alanda hem F_q'/F_m' hem de NDVI'de belirgin mekânsal varyasyon gösterdi (Şekil 2). Bu mekansal desenler kısmen robotun sürüş yönüyle ilişkilendirildi (Şekil 3), bu nedenle sonraki modellemelerde gölgelenmenin hedef yapraklar üzerindeki potansiyel etkilerini azaltmak için hesaba katıldı.

F _q'/F_m' tepkilerinin PPFR'ye doğrusal karışık etkiler modellemesi (Şekil 4A), varyansın önemli bir kısmını açıkladı (R = 0.45, R = 0.60). Çıkarılan genotipe özgü eğimler (Yanıt G: PPFR), üreme hatları arasında açık farklar gösterdi (Şekil 4B), birkaç çizgi panel ortalamasına kıyasla daha dik veya daha düz yanıt eğrileri gösterdi (Şekil 4C).

Son olarak, RGB görüntüleme ve Matching And Stereo 3D Reconstruction (MASt3R)^{algoritması 36} (Şekil 5) üzerinden türetilen kanopi düzeyindeki 3D rekonstrüksiyonlar, LIFT tabanlı fizyolojik ölçümlerin yapısal fenotiplemeyle entegre edilmesinin potansiyelini göstererek kanopi mimarisini üç boyutta yakalamayı göstermiştir.

Şekil 1: Soya fasulyesi genotipleri için ışıkla indüklenen floresans geçiciliği (LIFT) ve spektral yansıtma ölçümlerinin genel görünümü. (A) LIFT cihazının çalışırken örnek görüntüsü. Giriş, klorofil floresansını (ChlF) indükleyen mavi uyarılma ışınını gösterir. (B) 27 Haziran 2025'te 12 soya fasulyesi genotipi için ölçülen geçici ChlF indüksiyon eğrileri (ortalama ± SD, n genotip başına 88 ile 553 arasında, n_toplam = 2.035). (C) Aynı genotipler için 25 Haziran 2025'te ölçülen karşılık gelen yaprak yansıtma spektrumları (ortalama ± SE, n_toplam = 2.035). Renkler bireysel genotipleri gösterir; Hata çubukları, tekrarlanan ölçümler arasındaki varyasyonu temsil eder. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 2: Fotosistem II'nin kuantum verimliliğinin mekânsal dağılımı ve normalize fark bitki örtüsünün indeksi (NDVI) değerleri. Fotosistem II (F_q'/F_m') ve (alt) normalize edilmiş fark bitki örtüsünün (NDVI) değerlerinin (üst) kuantum verimliliğinin mekânsal dağılımı, 120 parsel ve 36 üreme hattından oluşan iki deneysel soya tarlasında ölçüldü (n = 58.916). Noktalar ölçüm yerlerini temsil eder; renkler gözlemlenen değeri, şekiller ise robotun yönünü gösterir: kuzeybatı (NW), kuzeydoğu (NE), güneybatı (SW) ve güneydoğu (SE)-yönüne doğru. Siyah çizgiler alan grafik sınırlarını belirler. Siyah noktalar, saha robotunun küresel navigasyon uydu sistemi (GNSS) koordinatlarını temsil eder. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 3: Fotosistemin kuantum verimliliği II. Kutu grafikleri, fotosistem II'nin kuantum verimliliğini (F_q'/F_m') ve 680 nm'de ölçüm saatlerinde (9 - 15 saat) gelen ışıklandırma logaritmasını hem kuzeydoğu (NE) hem de güneybatı (SW) yön yönü için gösterir (n_{kuzeydoğu yönüne} = 14.339, n_güneydoğu yönü = 25.669, n_toplam = 40.008). Robot, sabah güney-güney-yüzü, öğleden sonra ise kuzey-yönüne giderken ölçüm noktasını gölgeliyordu. Her kutu, yatay çizgi ve bıyıklar sırasıyla medyan ve 1,5 × IQR sınırlarını gösterirken, çeyreklerarası aralığı (IQR) temsil eder. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 4: Fotosentetik yanıt eğimleri. (A) İki soya fasulyesi deney alanında (Genotip ile fotosentetik foton akısı oranı (G: PPFR) arasındaki etkileşim) tahmini fotosentetik yanıt eğimlerinde mekansal değişim, doğrusal karışık etkiler modellemesinden türetilmiştir. (B) Bireysel üreme hatları için ayarlanmış ortalamalar ve model tarafından tahmin edilen fotosentetik yanıt eğimleri, ilgi çekici genotiplerin renk olarak gösterilmesi. (C) Vurgulanan genotipler için gelen PPFR ile fotosistem II'nin kuantum verimliliği (F_q'/F_m') arasındaki ilişki, uyumlu karekök regresyon eğrileriyle. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 5: LIFT ile kanopi mimarisi ölçümü. Soya çeşidi Gallec'in örtük mimarisi gösterilmektedir. (A) Işık kaynaklı floresans geçici (LIFT) cihazının kırmızı, yeşil ve mavi (RGB) kameraları, fotosentez taraması sırasında görüntüler elde etti. (B, C) Eşleştirme ve stereo 3D yeniden yapılandırma (MASt3R)^{algoritması 36} , 3D kanopi mimarisini yeniden inşa etmek için kullanıldı. Piramitler tahmini kamera konumlarını gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Discussion

Yöntemin verimliliği

LIFT yöntemi, sensör ile hedef yapraklar arasında önceki gaz değişim ve PAM tipi ChlF ölçüm cihazlarına göre çok daha büyük bir ölçüm^{mesafesi sağlar 18,19}, bu da hem sahada hem de kapalı ortamlarda otomatik yüksek verimli ölçümlerin yapılmasını^sağlar 12,32,37 . Bu, örtüyle fiziksel etkileşime gerek kalmaz. Yöntemin verimliliği robot sürüş hızıyla artar. ChlF veriminin zaman içinde doğru ölçümü sağlamak için, bir F_q'/F_m' ölçümü sırasında kat edilen mesafe, aydınlatılan alan çapına (LIFT sensörü için 20 mm) kıyasla önemsiz kalmalıdır. Robot uyarıma sırasında hareket ettiğinde, aydınlatılan nokta da kaydırır; böylece flaşlet başına ChlF verimi azalır ve aşırı hızlarda F_m' ve F_q'/F_m' olarak yanlış tahminlere yol açar. 0,5 m ^s-1 hızında, son uyarılma flaşının aydınlattığı alanın yalnızca yaklaşık %2,4'ü ilk uyarılma flaşletiyle zaten aydınlanmamıştı, bu da robotun hareketinden kaynaklanan F_m' üzerindeki sistematik ölçüm hatasının sayısal olarak önemsiz olacağı anlamına gelir (tam hesaplama GitHub, https://github.com/beat2keller/lift_data_processing). 0,5 m ^s-1 hızla, 40 × 36 m alan üzerinde saatte 300 grafik (1,5 × 2 m) ölçüyordu; bu da günde birkaç bin alana karşılık geliyor. Ayrıca, ölçüm kurulumuzun nispeten düşük toplam ağırlığı (200 kg) ve kompakt boyutları, hafif araçlarla taşınmayı mümkün kılmakta olup, fotosentez verimliliğini ortamlar arasında değerlendirmek için çoklu sahalı^{denemeleri kolaylaştırıyor 38}.

Yaprak ve örtü fotosentezi

Bu yöntemdeki LIFT ölçümleri, tüm fotosentezin yaklaşık %50 ila %70'inden sorumlu olan en üst, güneş ışığı altındaki kanopiyle sınırlı^{olarak sınırlıdır.} Ayrıca, her yaprağın emilebileceği ışık miktarı güneşe göre açısına bağlıdır; daha dikey yapraklar genellikle yaprak alan indeksini artırır, bu da ışık nüfuzunu ve örtük fotosentezini^{artırır 40,41}. Bu yöntemde kullanılan LIFT sensör montajıyla, 3D kanopi mimarisinin tek yapraklı veya tüm kanopi fotosentezine etkileri, spektrometre^28'in yansıtma ölçümleri ve/veya stereo RGB kamera sisteminin görüntülerine dayanarak 3D kanopi^{geometrisi 42'nin} açık bir yeniden yapılandırılmasıyla modellebilmektedir. MASt3R³⁶ gibi yeni algoritmalar, derin transformatörler kullanarak yoğun, geometriye duyarlı özellik uyumlarını öğrenerek geniş veya tekrarlayan bölgelerde daha sağlam ve doğru 3B yeniden yapılandırma sağlar. Ancak, bu ek düzeltmeler olmasa bile, LIFT gibi otomatik, yüksek verimli yöntemlerin daha verimli ve dayanıklı ürün çeşitlerini belirlemede faydalılığı^{gösterilmiştir 11,43}.

Batma sınırlaması

Sink sınırlaması, yani bitkinin üretebileceği fotosentet^{miktarını kullanamaması nedeniyle aktif} olarak aşağı regülasyon, genotipler arasındaki ε_c farklarını gizleyebilir. Fotosentezin sink sınırlı aşağı regülasyonu, atmosferdeki_CO2 konsantrasyonunun⁴⁵ artmasıyla muhtemelen daha da yoğunlaşır. Yöntemimiz, yutucu sınırlamasını ancak F_q'/F_m' değerinde de azalmaya yol açtığında tespit edebilir; Bunun gerçekten de gerçekleşebileceğine dair işaretler^{vardır 46}. Her durumda, batma sınırlamasının önemi büyük ölçüde ürün ve gelişim aşamasına bağlı gibi görünmektedir; tahıl doldurma sırasında buğday, baklagillere göre çok daha fazla etkilenmiştir^çünkü bununcusunun simbiyotik N fiksasyonu güçlü bir ek yudum^{oluşturur 1,44,46}. LIFT ölçümlerinin yapıldığı dönemde belirli bir ürün için sink sınırlamasının yüksek öneme sahip olması bekleniyorsa, elde edilen F_q'/F_m' değerlerini aynı anda gaz değişim verileriyle karşılaştırmak ve F_q'/F_m' varsayımının ε_c için iyi bir vekil oluşturduğunu kontrol etmek için daha fazla çalışma gereklidir.

Ölçüm mesafesi ve kanopi yüksekliğindeki değişkenlik

Bu yöntemde kullanılan LIFT sensör montajı, yaklaşık 60 cm mesafeden ürün örtüsü ^32,47'ye kadar ölçümler yapmak üzere tasarlanmıştır. Yöntemde kullanılan LIFT sensörü, ölçüm mesafesindeki küçük farklılıklara karşı oldukça dayanıklıdır, ancak daha büyük bir ölçüm mesafesi genellikle F_q'/F_m'47 değerlerinin biraz daha küçük olmasına yol açar. Böyle bir yanlılığı önlemek için, veri analizi sırasında kanopi yüksekliğindeki farkları açıkça hesaba katmak için,¹² ve/veya kanopi yüksekliğindeki farkları açıkça hesaba katmak için PPFR'ye (ölçüm mesafesindeki değişikliklere karşı daha dayanıklı) PPFR'ye F_q'/F_m' yanıtının kullanılmasını öneririz.

İstemeden yapay yaprak gölgelenmesi

Artan ışık yoğunluğu genellikle F_q'/F m'3,8,12'yi azaltır. Bu nedenle, operatörler veya ölçüm sistemi tarafından gereksiz gölgelemelerden^{kaçınılmalıdır 3,8,12}. Robotun gölgelenmesini en aza indirmek için, sürüş yönü tamamen³² olarak ayarlanabilir (verimsiz dönüş yolculukları nedeniyle daha düşük verimlilik pahasına) veya dönüşümlü yönlerde ölçümler alınabilir ve ardından gölgelendirme etkileri için istatistiksel olarak düzeltilebilir. Bu çalışmada, F_q'/F_m' istatistiksel modelinde Heading × Hour terimi (bkz. adım 4.3.10), robotun hedef yapraklarının gölgelenmesinin hesaba katılmasını sağlar.

Sonuç

Özetle, otonom bir robota monte edilmiş bir LIFT sensörü, saha koşullarında fotosentez verimliliğinin hızlı ve otomatik ölçümlerini mümkün kılarak önceki yaklaşımların aktarım kısıtlamalarını aşmaktadır. Örtü yapısı ve batma sınırlaması gibi faktörler dikkatli bir şekilde değerlendirilmeyi gerektirirken, sonuçlarımız tarımsal saha denemelerinde ve bitki ıslahı fidanlıklarında güvenilir ve ölçeklenebilir fotosentez taramalarının mümkün olduğunu göstermektedir. Yüksek çözünürlüklü stereo RGB kamera sistemi ve nokta sensörü olarak LIFT'in birleşimi, hassasiyetin daha da artmasına olanak tanıyacak: Yapay zeka destekli 3D lokalizasyon, yaprakların güneşe doğru benzer yönde ve genotipe özgü yaprak eğimini dikkate alan yaprakların örneklenmesini mümkün kılar. Araştırma açısından, genotiplerin fotosentezini farklı kanopi mimarisiyle karşılaştırmak ve serbest hava CO₂ zenginleştirmesi (FACE) altında yüksek verimli LIFT ölçümleri yapmak özellikle ilginç olabilir; böylece F_q'/F_m' ile PS II'nin aşağısındaki süreçler arasında saha koşulları ve potansiyel batma sınırlamaları altında nasıl etkilendiğini daha iyi anlamak faydalı olabilir. Pratik uygulamada, hassas tarım uygulamaları için çiftçi tarlasına kadar ıslah fidanlıklarında fotosentetik performans ve stres toleransı taraması büyük potansiyele sahiptir.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Kamera tripodu	-	-	PPFR sensörünün yatay olarak monte edilebildiği herhangi bir tip yeterli olur.
araba aküsü (12 V / 80 Ah)	Mercedes-Benz Group AG, Stuttgart, Almanya	A 001 982 81 08	-
veri kaydedici	HOBO Veri Kayıtçıları, Bourne, ABD	HOBO U30 İstasyonu, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/	-
Data logger Desktop istemcisi	Onset Computer Corporation, Massachusetts, ABD	HOBOware Sürüm 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware	-
GNSS anten kiti	ArduSimple, Andorra la Vella, Andorra	AS-STARTKIT-LR-L1L2-EUNH-00	-
GNSS logger desktop client	u-blox AG, Thalwil, İsviçre	u-center GNSS, [sic] Değerlendirme Yazılımı Sürüm 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf	-
dizüstü bilgisayar	-	-	Windows (Microsoft Corporation, Redmond, ABD) sürümü çalıştıran ve GNSS ile uyumlu olan herhangi bir dizüstü bilgisayar ve veri kaydedici masaüstü istemcileri için uygundur.
LIFT sensör montajı masaüstü istemcisi	Soliense Inc., New York, ABD.	Version.2016.04	-
LIFT sensör montajı (240 V ana adaptörü ile birlikte)	Soliense Inc., New York, ABD.	LIFT-REM	Gerçek LIFT sensörüne ek olarak, LIFT sensör montajı, FLIR Integrated Imaging Solutions Inc. (British Colombia, Kanada) [şimdi Teledyne FLIR LLC, Wilsonville, ABD] tarafından sağlanan iki Blackfly S BFS-U3-50S5C kameradan oluşan RGB stereo kamera sistemini ve Ocean Insight tarafından sağlanan 0,46 nm çözünürlüğe sahip 400 ila 800 nm spektrometreyi içerir. [Şimdi Ocean Optics] (Orlando, ABD).   Robot ölçür & asymp; 170 & Times; 210 & Times; 90 cm (uzunluk & zaman; genişlik ve çarpım; yükseklik) ve ağırlık & assimpati; 170 kg. LIFT sensör montajı ≈ 23 & Times; 34 & Times; 59 cm (robota monte edildiği sürece uzunluğu & çarpımı; genişliği ve yüksekliği).
güç invertörü (12 V DC'den 240 V 50 Hz AC'ye kadar)	Green Cell CSG S.A., Krakov, Polonya	INV08	-
Powerbank	-	-	Herhangi bir USB powerbank yeterli olur.
PPFR sensörü	HOBO / LI-COR, Lincoln, ABD	S-LIA-M003	-
Robot Kontrol Web Sitesi	Caterra AG, Opfikon, İsviçre	-	Bağlantı, robotun üreticisi tarafından her müşteri için ayrı ayrı sağlanır.
robot prototip şasi (uzaktan kumanda ve 240 V ana batarya şarj cihazı ile birlikte)	Caterra AG, Opfikon, İsviçre	Firefly (prototip, pazarlanmadı), https://caterra.org/en/technologie/	Uygun yük kapasitesi, ray genişliği ve yer yüksekliğine sahip diğer herhangi bir saha robotu da uygun olabilir.
beyaz referans paneli	-	-	Herhangi bir beyaz veya gri referans yeterli olur.