RGB とスペクトルのルート画像植物表現型解析および生理学的研究: 実験概要およびイメージ投射プロトコル

Environment
 

Summary

RGB とハイパー スペクトル イメージング植物根系の生育する土壌の評価の実験的プロトコルが表示されます。ケモメトリック ハイパー スペクトル情報かシリーズ スキャン RGB 画像の時間の組み合わせは、植物根の原動力に洞察力を最適化します。

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

植物根のダイナミクスの理解は、農業のシステム リソースの使用効率を向上させ、環境ストレスと作物品種の抵抗性に不可欠です。RGB と根系のハイパー スペクトル イメージングの実験的プロトコルが表示されます。アプローチは、植物が完全に発達した根系を観察する長い時間をかけて自然な土で育つ rhizoboxes を使用しています。水ストレス下の rhizobox 植物を評価し、根の役割を研究するため実験的設定が挙げられます。時間をかけて根の安くて簡単な定量化のため RGB イメージング セットアップを説明します。ハイパースペクトル イメージング センサーは RGB 色の閾値と比較して土壌の背景からルート セグメンテーションを向上させます。ハイパースペクトル イメージング センサーの特定の強さはケモメトリック根土壌システム機能の理解のために情報の取得です。これを高解像度水コンテンツ マッピングを示します。分光イメージングはしかし画像の取得・処理・解析の RGB のアプローチに比べて複雑です。両方のメソッドの組み合わせは、ルート システムの包括的な評価を最適化できます。植物の表現型解析と植物の生理学的研究のコンテキストの根と地上部の形質を統合するアプリケーションの例のとおりです。別の光源を使用してより良い照明と RGB 画像の品質を最適化することによって、スペクトル データからルート ゾーンのプロパティを推測する画像解析法の延長によってルート イメージングのさらなる改善が得られます。

Introduction

根植物のストレージなどのいくつかの重要な機能を提供する同化、土壌、および吸収における陸生植物の定着と水と栄養分の1の輸送。進化の観点から根の形成は土地の植物2の起源のための基本的な前提条件と見なされます。歴史的に、この重要な役割にもかかわらず根は生物学の研究だけ縁の位置を占めています。近年、しかしが高まって図 1からわかるように植物根系の科学的関心。

Figure 1
図 1: ルート植物科学研究の関連性。
最後の十年にわたって科学雑誌にすべて公開された植物研究の割合としてルート数の関連の研究。Scopus キーワード「植物」と「植物とルート」を使用してからの結果を検索します。この図の拡大版を表示するのにはここをクリックしてください

2 つの主な理由は、根研究の最近の進歩の根底にあると仮定できます。まず、地上の植生は、地球変動3の結果としてより頻繁に環境ストレスにさらされます。農作物生産のコンテキストでグローバルに約農業の面積の 30% が水とリン4,5によって制限されることが推定されます。収穫量の応力低減効果は、天水農業生態系6の潜在的な生産性の低い 50% で推定される世界的に大幅な収量のギャップの主な理由です。低リソース可用性に加えてこれは、不適切なリソース利用効率、利用可能なリソース7を悪用する植物のすなわち十分な能力にも関連します。その他の生態系に悪影響を硝酸などモバイル リソースの損失でこの結果します。たとえば、現在の地球規模の窒素利用効率は 478と推定されます。良いリソース使用効率改善された管理のメソッドを介して、品種は両方のための高い重要性の環境の持続性に関しては同様に農業の出力の成長を持続します。このコンテキストの植物の根は、改良された作物の作付システム9,10の主要なターゲットと見なされます。

植物の根における最近の関心の 2 番目の重要な背景は、測定方法における技術の進歩です。Root メソッドは、2 つの主要な課題で長い制限されている:11、洗濯によって大抵定量化, 分離する有した土壌で育つ植物からの根の測定のために起こし根の建築配置。発掘を使用してその場でルート観察植物説明12土壌における根の自然な場所を節約の方法が使用されています。まだ彼らは非常に時間がかかる、従って比較構造機能ルート システム分析のスループットの要件を満たしていません。一方、ルート アーキテクチャ測定用高スループット方法ほとんど行われた実生植物13人工培植物の自然な成長環境への外挿が疑わしい14

根研究の最近のブームは、方法15のイメージングの進歩に密接に結びついた。ルート研究のアプローチをイメージングすることができます約 3 つのタイプに分類します。最初16CT や MRI などの高解像度 3 D 方法があります。これらのメソッドは、干ばつによる木部塞栓症17など、土壌と植物の根の相互作用過程の研究に最も適しています。通常、彼らは詳細な観測ができる比較的小さいサンプルに適用されます。異なるサイズの鍋および細根画像診断用 CT と MRI の比較は、18で提供されます。第二に、高スループットのイメージング方法19,20があります。これらのメソッドは主に基づいて一般的な RGB 画像人工メディア (ゲル、発芽紙) の成長の根の高コントラストがルーツと背景との間の比較的単純な郭清を可能します。彼らは標準化された人工成長条件13の下で別の作物品種の苗ルートの特徴の高スループット比較に適しています。Rhizobox メソッドは、これらの 2 つのアプローチの間に: 中スループット21,22を長い期間にわたって土壌で育つ根の 2次元イメージングを使用しています。(2 D) ルート イメージングへの最近の課題は、また構造23の説明に加えて、ルート機能の指標をキャプチャすることです。

本論文では rhizobox (i) 安くて簡単なカスタム RGB 画像設定と (ii) より複雑な近赤外イメージング セットアップを使用して根系の成長をイメージングの実験的プロトコルを提案する.これらの 2 つの設定から得られる結果の例は表示され、植物の表現型解析と植物生理学的研究のコンテキストで説明.

Discussion

プロトコルは、ルート システムのイメージングを栽培された土壌の 2 つの相補的なアプローチを提供します。信頼性の高い実験結果を得るのための重要なステップは、観測窓でタイトなルート-土の接触を提供し、エアー ギャップを避けるためにフロント ガラスでも、均一な基板層を確保するためには rhizoboxes の充填です。比較的細かいふるわれた土を使用する主な理由は、この < 2 mm: より大きな凝集体は、骨材間の空隙を持つ観測窓で高い表面形態。ルート ヒント脱水のリスクが高い、以外にもこれはまた水マッピング31のより複雑な画像処理技術を必要です。

プロトコルの変更従って rhizoboxes の向上と迅速な充填に焦点を当てます。現在充填時間ボックスあたり約 30 分です。さらにイメージングの側面より良い RGB 画像の照明の均一性を最適化するために変更からのため 2 枚のガラス窓で rhizoboxes の使用をテストします。ハードウェアをさらに拡張も33をイメージング rhizobox システム、容量と同様に、平面のバイオケミカル32の統合を検討するかもしれない。しかし、これは現在アップグレード以外は。

ソフトウェアの変更はヒューズの上部と下部の RBG 画像34にイメージの自動登録に焦点を当てます。ハイパー スペクトル イメージング高度な教師なし特徴抽出 Svm35テストより敏感なチャイルド ターゲット検出方法と同様、28をアプローチします。それによりハイパー スペクトル データは複数根と根圏土壌のプロパティの36の評価可能性のあるできます。さらにそれを目的とする (半) 建築形質 (分岐頻度、分岐の角度) および rhizobox ルートに基づく画像のルート システムの解析37形態を定量化するための修正バージョン (長さ、直径、表面) ソフトウェアを自動化します。

3 D イメージング技術と比較してプロトコルの主な制限は、表面の目に見える根および根圏プロパティに制限です。しかし21全体のルート システムの信頼性の高いプロキシに表示されているルートの特徴が実証されています。Rhizobox 技術は (洗濯) 総根系形質と表示の関係を検証するためにダイナミックな成長の終わりに伝統的な破壊的なサンプリングと簡単に結合されます。この関係は、21種の間で異なる場合があります、破壊的なサンプリングも別の作物の種を持つ、新しい表現型解析シリーズの目に見える特徴から信頼性の高い推論を確保するが推奨します。

ここで提示されたプロトコルの主な利点は、一時的解決の RGB 画像とルート機能 (例えば水通風管) ハイパースペクトル イメージング センサーからケモメトリック根と根圏データ経由での推論の潜在的なスループットが比較的高く、現実的な成長する条件 (土) の組み合わせです。それにより方法はハイスループット苗と非土根ながら部分的に以下の実験的複雑さと高度な 3 D 方法15と比べて高いスループット機能プロセス洞察深い表現、方法14をイメージングで推論の制限を克服します。

今後の実験では根系の発達と地盤構造物、窒素、炭素被覆作物種の表現型解析ルート特性に関してはマメ科植物と同様の機能に菌根菌の影響を検討するため、プロトコルが使用されますサイクリングします。

Disclosures

著者が明らかに何もありません。

Acknowledgments

著者らは、プロジェクト数 P 25190-B16 (干ばつ抵抗性の根) 経由でオーストリア科学基金 FWF から資金を認めます。ハイパー スペクトル イメージング インフラストラクチャの確立は、連邦政府の低いオーストリア (土地 Niederösterreich) K3-F-282/001-2012 プロジェクトを介してによって財政上支えだった。AGRANA 研究から甜菜実験を受けたために追加の資金調達 & イノベーション センター GmbH (ARIC)。著者は、実験と原稿の英文添削の中にテクニカル サポートのクレイグ ・ ジャクソンをありがちましょう。我々 はまた rhizobox マウントの建設のため RGB イメージング セットアップの確立に貢献したマーカス Freudhofmaier、ヨセフ Schodl を認めます。

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