RGB 和光谱根成像植物表型和生理研究: 实验装置和成像协议

Environment
 

Summary

为土壤种植植物根系与 RGB 和高光谱成像评价提出了一种实验性的协议。RGB 图像时间系列与化学计量学信息从高光谱扫描组合优化植物根动力学的见解。

Cite this Article

Copy Citation | Download Citations

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

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

植物根动态更好地理解至关重要,提高资源利用效率的农业系统,增加对环境胁迫的作物品种的抗病性。RGB 和高光谱成像的根系统,提出了一种实验性的协议。该方法使用 rhizoboxes 植物在自然土壤中生长在很长的时间来观察充分发达的根系。实验设置并举例说明了评估水分胁迫下的根植物和研究根的作用。RGB 图像设置根发展随着时间的推移的廉价和快速的定量描述。高光谱成像技术可以提高根从土壤背景相比 RGB 彩色图像阈值分割。高光谱成像的特定强度是根-土系统的功能理解化学计量学信息的获取。这说明了高分辨率水内容映射。光谱成像技术不过是在图像采集、 处理和分析的 RGB 方法相比更加复杂。结合这两种方法可以优化根系统全面的评估。应用集成根和地上部性状实例的上下文植物表型和植物生理研究。通过优化 RGB 图像质量和更好的照明,使用不同的光源和图像分析方法来推断对根区域属性从光谱数据的推广,可以获得根成像的进一步改进。

Introduction

根为植物如存储的提供几个基本职能同化,锚固的陆生植物在土壤和吸收和运输的水分和养分1。从进化的角度来看,根轴的形成被认为是陆地植物2原产地的基本前提。尽管这个重要的角色,历史上根有占领只在生物学研究中的边缘地位。在较近的时候,然而,那里科学兴趣在增加植物根系统如图 1所示。

Figure 1
图 1: 根在植物科学研究的关联性。
根的数目过去数十年在 SCI 期刊中的所有已发布的植物研究的百分比相关研究。搜索结果从 Scopus 使用关键字"植物"和"植物和根"。请点击这里查看此图的大版本。

两个主要原因可以假设根研究进展的基础。第一,陆地植被被暴露在更频繁的环境应力,由于全球变化3。在农业作物生产方面估计,全球大约 30%的农业地区都受到水和磷45。作物产量的减少应激是生产力的全球估计低 50%的潜在,为旱作农业生态系统6的重大收益率差距的主要原因。除了可用资源不足,这也被有关差资源的利用效率,即没有足够的能力,一种植物利用可用资源7。这导致损失的移动的资源,如能对其他生态系统产生负面影响的硝酸盐。例如当前全球氮利用效率估计 478。更好的资源利用效率,通过改进的管理方法,故其品种为两个高重要性的持续增长,农业的产出以及环境的可持续性。在这种背景下植物根被认为是改良的作物和种植系统910的关键目标。

第二个重要的背景,对于植物根系的最近的兴趣是科技进步的测量方法。根方法长已经限制了两个关键的挑战: 从他们不得不被隔离,以便量化,主要由洗11的土壤中生长的植物根测量从而扰乱建筑布局的根轴。原位根观察使用开挖方法,从而节约根在土壤中的自然位置已用于植物描述12。仍他们非常耗费时间,因此不符合比较结构功能的根系统分析的吞吐量要求。另一方面根建筑测量高通量方法主要是进行在人工培养基上,苗植物13推到植物的自然生长环境哪里可疑14

根研究最近的繁荣是紧密相连的进展成像方法15。影像学方法在根研究可大致分为三种类型。首先是高分辨率 CT 和 MRI163D 方法。这些方法是最适合研究植物根系与土壤的相互作用过程,如干旱诱导木质部栓塞17。通常他们都被应用于相对较小的样本,他们允许的详细观测资料。CT 和 mri 表现为不同大小的锅和细根成像比较被提供18。第二,有高吞吐量成像方法1920。这些方法是主要基于共同 2D RGB 图像进行根的生长在人工培养基 (凝胶,萌发纸张) 上高对比度让比较简单剖析根源和背景之间的所在。他们是适合高吞吐量比较标准化人工生长条件13下的不同作物基因型幼苗根系性状。在这两种方法之间是根方法: 他们使用二维成像的根的土壤中生长在较长时间段内,有中等吞吐量2122。(2D) 根成像新挑战是捕捉也描述结构23根功能指标。

在本论文中我们提出成像根生长根系统使用 (i) 便宜和简单定制 RGB 成像和 (ii) 更复杂近红外成像安装实验规程。从这两个设置的示例结果显示并在植物表型和植物生理研究的范围内讨论。

Discussion

议定书 》 为土壤种植根系统成像提供两种互补的方法。可靠的实验结果的关键步骤填补已确保在前面的玻璃为提供紧根-土接触在观察窗和避免空气间隙甚至和均匀的基材层的 rhizoboxes。这是主要的原因,使用较细筛的土的 < 2 毫米: 大团聚体导致更高的表面形貌观察窗口与骨料之间的空隙。除了根尖脱水风险较高,这也需要更复杂的图像处理技术对水映射31

修改议定书 》 因此专注于改进和快速充填的 rhizoboxes。目前充模时间是每盒约 30 分钟。此外 rhizoboxes 与两个玻璃窗口用于成像从双方和修改,以优化为更好的 RGB 图像的照明均匀性进行了测试。进一步的硬件扩展也可以考虑平面 optodes32以及电容成像33到根系统的集成。然而,这是超越当前的升级活动。

软件修改专注于图像自动配准融合顶部和底部 RBG 图像34。为高光谱成像的先进的无监督的特征提取方法,28 ,以及更为敏感的监督的目标检测方法如支持向量机35进行测试。从而高光谱数据可能允许多个土壤,根际和根属性36评定。此外,它旨在开发 (半) 自动化软件根根基于图像修改后的版本的根系统分析仪37量化形态 (长度、 直径、 表面) 以及建筑特质 (分支频率,分枝角度)。

议定书 》 相比,3D 成像方法的主要限制是对表面可见的根和根际土壤性质的限制。然而已表明,可见根系性状是整个根系21可靠的代理。根技术很容易结合传统破坏性采样 (洗) 在结束了生长动态成像以验证的可见与总根系性状的关系。因为这种关系可能有所不同物种21,破坏取样被建议,以确保可靠推理从可见的任何新的分型系列,与不同的作物物种性状。

这里介绍的议定书 》 的关键优势是现实生长条件 (土壤)、 时空分辨的 RGB 成像和推理根功能 (如吸水) 通过化学计量学根和根际数据从高光谱成像潜在吞吐量相对较高的组合。从而方法克服了推理限制高吞吐量幼苗期和非土根成像方法14,虽然与少实验系统的复杂性和更高的吞吐量,相比先进的 3D 方法15部分允许深分型洞察功能的过程。

在即将实验议定书 》 将用于研究菌根对根系发育和功能的豆类以及对于覆盖作物物种相对于土壤结构、 氮、 碳分型根系特性的影响循环。

Disclosures

作者没有透露。

Acknowledgments

作者承认奥地利的科学基金判断力,通过项目数 P 25190 B16 (抗旱性的根源) 的资助。建立高光谱成像的基础设施是由联邦政府的低奥地利 (土地 Niederösterreich) 通过项目 K3-F-282/001-2012年财政支持。额外经费糖用甜菜实验未收到安娜研究 & 创新中心 GmbH (ARIC)。作者感谢克雷格 · 杰克逊在实验和英语校正的手稿期间给予技术支持。我们还感谢 Markus Freudhofmaier 建立的 RGB 图像设置作出贡献和约瑟夫朔德尔根安装施工。

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics