RGB 및 식물 형질 및 생리 적 연구에 대 한 스펙트럼 루트 이미징: 실험적인 체제 및 프로토콜을 이미징

Environment
 

Summary

실험 프로토콜은 RGB와 hyperspectral 화상 식물 루트 시스템을 성장 하는 토양의 평가 대 한 제공 됩니다. RGB 이미지 시간 시리즈 hyperspectral에서 chemometric 정보 검색의 조합 공장 루트 역학에 대 한 통찰력을 최적화 합니다.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

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

식물 루트 역학의 더 나은 이해 농업 시스템의 리소스 사용 효율을 개선 하 고 작물 재배 환경 스트레스에 대 한 저항 증가 필수적 이다. 실험 프로토콜은 RGB 및 루트 시스템의 hyperspectral 화상 진 찰에 대 한 제공 됩니다. 접근은 식물 자연 토양에서 완전 개발된 루트 시스템을 관찰 하는 더 긴 시간을 통해 성장 rhizoboxes를 사용 합니다. 실험 설정 됩니다 rhizobox 식물 물 스트레스를 평가 하 고 뿌리의 역할을 공부 하 고 궁 행. RGB 이미지 설치 시간이 지남에 루트 개발의 저렴 하 고 빠른 정량화에 대 한 설명 합니다. Hyperspectral 영상 RGB 색상 기반 임계 처리에 비해 토양 배경에서 루트 분할을 향상 시킵니다. Hyperspectral 화상의 특정 힘은 기능 이해에 대 한 루트 토양 시스템에 chemometric 정보 수집 이다. 이 고해상도 물 콘텐츠 매핑 보여 줍니다. 그러나 스펙트럼 이미징은 이미지 수집, 처리 및 분석 RGB 방식에 비해 더 복잡 합니다. 두 방법의 조합에는 루트 시스템의 포괄적인 평가 최적화할 수 있습니다. 루트 및 지상 특성을 통합 하는 응용 프로그램 예제는 식물 형질 및 식물 생리 연구의 맥락에 대 한 제공 됩니다. 루트 영상의 추가 개선 및 확장 스펙트럼 데이터에서 루트 영역 속성에 유추 이미지 분석 방법의 다른 광원을 사용 하 여 더 나은 조명 RGB 이미지 품질을 최적화 하 여 얻을 수 있습니다.

Introduction

뿌리의 저장 등의 식물에 대 한 몇 가지 필수 기능을 제공 동화 한다, 토양, 및 통풍 관 지구 식물의 앵커리지와 물과 영양소1의 전송. 진화 관점에서의 루트 축 형성 땅 식물2의 기원에 대 한 기본 전제 조건으로 간주 됩니다. 이 중요 한 역할에도 불구 하 고 역사적으로 뿌리 생물학 연구에만 한계 위치를 점령 했습니다. 그러나 더 최근에,, 거기는 증가 그림1에서 입증 공장 루트 시스템에 과학적인 관심사.

Figure 1
그림 1: 루트 식물 과학에 있는 연구의 관련성.
루트의 수는 지난 년간 SCI 저널에 모든 게시 된 식물 연구의 연구를 관련. Scopus 키워드 "공장" 및 "공장 및 루트"를 사용 하 여에서 결과 검색 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

두 가지 주요 이유는 루트 연구의 최근 발전 기초를 가설 수 있습니다. 첫째, 지상파 식물 글로벌 변경3결과로 더 자주 환경 스트레스에 노출 됩니다. 농업 작물 생산의 맥락에서 그것은 세계적으로 약 30%의 농업 지역 물과 인4,5에 의해 제한 됩니다 추정. 수확량의 스트레스 감소는 세계적으로 낮은 50 %rainfed 농업 생태계6에 대 한 잠재적인 생산성의 추정 되어 상당한 수익률 격차에 대 한 주요 이유. 낮은 리소스 가용성, 외이 가난한 리소스 사용 효율, 즉 부족 한 수 식물의 사용 가능한 리소스7악용 관련이 있습니다. 이 다른 생태계에 부정적인 영향을 미칠 수 있는 질산염 등 모바일 자원의 손실에 결과. 예를 들어 현재 글로벌 질소 이용 효율 478추정 됩니다. 더 나은 자원 사용 효율성 향상 된 관리 방법 및 재배 이므로 모두 높은 중요성의 성장 환경 지속 가능성 뿐만 아니라 농업 출력의 지속. 이 컨텍스트 식물에서 뿌리 향상 된 작물 및 자르기 시스템9,10에 대 한 주요 대상으로 간주 됩니다.

식물 뿌리에 최근 관심사에 대 한 두 번째 중요 한 배경 측정 방법에 기술적 진보 이다. 루트 방법을 두 가지 주요 과제에 의해 제한 오래 있다: 그들은 주로11, 세척 하 여 정량화에 대 한 격리 해야 했다 토양에서 성장 하는 식물에서 뿌리의 측정에 대 한 그로 인하여 방해 루트 축의 건축 배열. 발굴을 사용 하 여 제자리에 루트 관찰 함으로써 토양에서 뿌리의 자연 스러운 위치를 보존 하는 방법 식물 설명12사용 되 고 있다. 아직도 그들은 매우 시간이 걸리는 고 따라서 비교 구조 기능 루트 시스템 분석의 처리량 요구 사항을 충족 하지 않습니다. 다른 한편으로 높은 처리량 방법 루트 건축 측정 했다 주로 수행 인공 미디어에 묘 종 식물13 식물의 자연 성장과 환경 추정 의심14가.

루트 연구의 최근 붐 이미징 방법15에 사전에 긴밀 하 게 연결 된다. 접근 루트 연구에서를 이미징 세 가지 유형으로 대략 그룹화 될 수 있습니다. 우선 CT 및 MRI16같은 고해상도 3D 방법이 있다. 이러한 메서드는 가뭄 유도 xylem 폐색전증17와 같은 흙과 식물 뿌리의 상호 작용 과정 연구에 가장 적합 한. 일반적으로 그들은 그들은 상세한 관측을 허용 하는 비교적 작은 샘플에 적용 됩니다. 다른 크기의 냄비와 잘 루트 이미징에 대 한 CT와 MRI의 비교는18에 제공 됩니다. 둘째, 높은 처리량 이미징 방법19,20있다. 이러한 메서드는 대부분에 따라 일반적인 2D RGB 영상 인공 미디어 (젤, 발 아 종이)에 성장 하는 뿌리의 고대비 뿌리와 배경 사이의 비교적 간단한 해 부를 허용 하는 곳. 그들은 다른 작물 genotypes 표준화 된 인공 성장 조건13에서 종묘 루트 특성 중 높은 처리량 비교를 위해 적합 하다. Rhizobox 메서드는이 두 가지 방법 사이: 그들은 더 긴 기간 동안 토양에 성장 하는 뿌리의 2D 이미지를 사용 하 고 중간 처리량21,22. (2D) 루트 이미징에 대 한 최근 도전 캡처 또한 구조23의 설명 외에도 루트 기능 지표입니다.

현재 신문에서 우리는 rhizobox 성장 (i)는 저렴 하 고 간단한 주문 품 RGB 이미징 설치 및 (ii)는 더 복잡 한 적외선 이미징 설치 프로그램을 사용 하 여 루트 시스템 이미징을 위한 실험 프로토콜 제시. 이러한 두 설정에서 예제 결과 표시 되며 식물 형질 및 식물 생리 연구의 맥락에서 논의.

Discussion

프로토콜 루트 시스템 이미징 성장 하는 토양에 대 한 두 개의 상호 보완적인 접근을 제공 합니다. 신뢰할 수 있는 실험 결과 대 한 중요 한 단계는 관측 창에 꽉 루트-토양 접촉을 제공 하 고 공기 간격을 방지 하는 전면 유리에도 동종 기판 레이어를 보장 하는 rhizoboxes의 작성 이다. 이것의 비교적 좋은 체질된 흙을 사용 하는 주요 이유는 < 2: 골 재 사이의 공 극으로 관찰 창에서 더 높은 표면 형태에 더 큰 집계 결과. 루트 팁 탈수의 위험이 높은, 외이 물 매핑31에 대 한 더 복잡 한 이미지 처리 기법을 필요합니다.

프로토콜의 수정 따라서 rhizoboxes의 향상 및 빠른 작성에 초점을. 현재 시간을 작성 하는 것은 상자 당 약 30 분입니다. 또한 측 및 더 나은 RGB 이미지에 대 한 조명 동질성을 최적화 하기 위해 수정에서 영상에 대 한 두 개의 유리창와 rhizoboxes의 사용은 테스트. 추가 하드웨어 확장 또한 평면 optodes32 rhizobox 시스템으로33 이미징 커패시턴스의 통합을 좋습니다. 그러나 이것이 현재 업그레이드 활동 넘어입니다.

소프트웨어 수정 퓨즈 상단 및 하단 RBG 이미지34자동 이미지 등록에 초점. Hyperspectral에 대 한 이미징 고급 자동된 기능 추출 SVMs35 테스트와 같은 더 민감한 감독된 대상 탐지 방법으로28 접근 한다. 그로 인하여 hyperspectral 데이터는 잠재적으로 여러 토양, rhizosphere 및 루트 속성36의 평가 대 한 허용. 개발 (세미)는 것 또한 건축 특성 (분기 주파수, 각 분기) 뿐만 아니라 rhizobox 루트에 따라 이미지 루트 시스템 분석기37 형태학 계량의 수정된 된 버전 (길이, 직경, 표면)에 대 한 소프트웨어 automatized.

3D 이미징 접근에 비해 프로토콜의 주요 제한은 표면 표시 루트 및 rhizosphere 속성 제한입니다. 그러나 그것은 보이는 루트 특성 전체 루트 시스템21에 대 한 신뢰할 수 있는 프록시는 증명 되었습니다. Rhizobox 기술은 전통적인 파괴적인 샘플링 (세척) 동적 성장 전체 루트 시스템 특성 대 표시의 관계를 확인 하려면 이미징의 끝에와 쉽게 결합 된다. 이 관계는 종21중 다 수, 파괴적인 샘플링 다른 작물 종으로 어떤 새로운 형질 시리즈에 대 한 표시 특성에서 신뢰할 수 있는 유추 되도록 것이 좋습니다.

여기에 제시 된 프로토콜의 주요 장점은 현실적인 성장 조건 (토양), 일시적으로 해결 RGB 이미지와 루트 기능 (예: 물 통풍 관) hyperspectral 화상 진 찰에서 chemometric 및 rhizosphere 데이터를 통해 유추에 대 한 상대적으로 높은 잠재적인 처리량의 조합입니다. 그로 인하여 방법 유추 제한 높은 처리량 경종 및 비-토양 루트 방법14, 그것은 부분적으로 덜 실험적인 복잡성과 고급 3D 방법15에 비해 높은 처리량으로 업무 프로세스에 대 한 깊은 형질 통찰력을 허용 하는 동안 이미지를 극복 한다.

곧 실험 프로토콜 mycorrhiza 루트 시스템 개발 및 토양 구조, 질소 및 탄소 관련 된 덮개 작물 종의 형질 루트 특성에 관해서는 뿐만 아니라 콩의 기능에의 효과 연구 하는 데 사용 됩니다 사이클링.

Disclosures

저자는 공개 없다.

Acknowledgments

저자는 프로젝트 번호 P 25190 B16 (가뭄 저항의 뿌리)를 통해 오스트리아 과학 기금 FWF에서 자금을 인정 합니다. Hyperspectral 이미징 인프라의 설립은 연방 정부의 낮은 오스트리아 (토지 러시아) K3-F-282/001-2012 프로젝트를 통해에 의해 재정적으로 지원 되었다. AGRANA 연구에서 받은 사탕 실험에 대 한 추가 자금 & 혁신 센터 GmbH (ARIC). 저자는 실험과 원고의 영어 교정 기술 지원에 대 한 크레이그 잭슨을 감사합니다. 우리 또한 인정 설립 RGB 영상 설치에 공헌한 Markus Freudhofmaier 조세 프 Schodl rhizobox 설치의 건설에 대 한 합니다.

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