Name: rgb and spectral root imaging for plant phenotyping and physiological research: experimental setup and imaging protocols
Uploaded: 2017-08-08T15:00:00
Duration: 11 min 37 s
Description: Watch this Scientific Journal Video about RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols at JoVE.com

Les auteurs reconnaissent le financement de l’Austrian Science fonds FWF via le projet numéro P 25190-B16 (les racines de la résistance à la sécheresse). Mise en place de l’infrastructure d’imagerie hyperspectrale a été soutenu financièrement par le gouvernement fédéral de Basse Autriche (Land Niederösterreich) via le projet K3-F-282/001-2012. Un financement supplémentaire pour l’expérience de la betterave à sucre a été reçue de recherche AGRANA &#38; Innovation Center GmbH (ARIC). Les auteurs remercient Craig Jackson pour le support technique au cours de l’expérience et anglaise correction du manuscrit. Nous remercions également Markus Freudhofmaier qui ont contribué à la mise en place le programme d’installation d’imagerie de RVB et Josef Schodl pour la construction de l’installation de rhizobox.

<ol>
	<li>Kutschera, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Wurzelatlas mitteleurop&#228;ischer Ackerunkr&#228;uter und Kulturpflanzen. , (1960).</li><li>Kenrick, P., Strullu-Derrien, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+origin+and+early+evolution+of+roots.">The origin and early evolution of roots.</a> Plant Physiol. 166, 570-580 (2014).</li><li>Franklin, J., Serra-Diaz, J. M., Syphard, A. D., Regan, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+change+and+terrestrial+plant+community+dynamics.">Global change and terrestrial plant community dynamics.</a> PNAS. 113, 3725-3734 (2016).</li><li>MacDonald, G. K., Bennett, E. M., Potter, P. A., Ramankutty, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Agronomic+phosphorus+imbalances+across+the+world's+croplands.">Agronomic phosphorus imbalances across the world's croplands.</a> PNAS. 108, 3086-3091 (2011).</li><li>V&#246;r&#246;smarty, C. J., Green, P., Salisbury, J., Lammers, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+water+resources:+vulnerability+from+climate+change+and+population+growth.">Global water resources: vulnerability from climate change and population growth.</a> Science. 289, 284 (2000).</li><li>Lobell, D. B., Cassman, K. G., Field, C. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Crop+yield+gaps:+their+importance,+magnitudes,+and+causes.">Crop yield gaps: their importance, magnitudes, and causes.</a> Annu. Rev. Environ. Resour. 34, 179-204 (2009).</li><li>Angus, J. F., Van Herwaarden, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Increasing+water+use+and+water+use+efficiency+in+dryland+wheat.">Increasing water use and water use efficiency in dryland wheat.</a> Agron. J. 93, 290-298 (2001).</li><li>Lassaletta, L., Billen, G., Grizzetti, B., Anglade, J., Garnier, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=50+year+trends+in+nitrogen+use+efficiency+of+world+cropping+systems:+the+relationship+between+yield+and+nitrogen+input+to+cropland.">50 year trends in nitrogen use efficiency of world cropping systems: the relationship between yield and nitrogen input to cropland.</a> Environ. Res. Lett. 9 (10), 105011 (2014).</li><li>Lynch, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Roots+of+the+second+green+revolution.">Roots of the second green revolution.</a> Aust. J Bot. 55, 493-512 (2007).</li><li>Comas, L. H., Becker, S. R., Von Mark, V. C., Byrne, P. F., Dierig, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Root+traits+contributing+to+plant+productivity+under+drought.">Root traits contributing to plant productivity under drought.</a> Front. Plant Sci. 4, 442 (2013).</li><li>Metcalfe, D. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+method+for+extracting+plant+roots+from+soil+which+facilitates+rapid+sample+processing+without+compromising+measurement+accuracy.">A method for extracting plant roots from soil which facilitates rapid sample processing without compromising measurement accuracy.</a> New Phytol. 174, 697-703 (2007).</li><li>Kutschera, L., Lichtenegger, E., Sobotik, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Wurzelatlas der Kulturpflanzen gem&#228;&#223;igter Gebiete mit Arten des Feldgem&#252;sebaues. , (2009).</li><li>Gioia, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> Funct. Plant Biol. 44, 76-93 (2017).</li><li>Watt, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+rapid,+controlled-environment+seedling+root+screen+for+wheat+correlates+well+with+rooting+depths+at+vegetative,+but+not+reproductive,+stages+at+two+field+sites.">A rapid, controlled-environment seedling root screen for wheat correlates well with rooting depths at vegetative, but not reproductive, stages at two field sites.</a> Ann. Bot. 112, 447-455 (2013).</li><li>Fiorani, F., Schurr, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Future+scenarios+for+plant+phenotyping.">Future scenarios for plant phenotyping.</a> Annu. Rev Plant Biol. 64, 267-291 (2013).</li><li>Metzner, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Direct+comparison+of+MRI+and+X-ray+CT+technologies+for+3D+imaging+of+root+systems+in+soil:+potential+and+challenges+for+root+trait+quantification.">Direct comparison of MRI and X-ray CT technologies for 3D imaging of root systems in soil: potential and challenges for root trait quantification.</a> Plant Methods. 11, 1 (2015).</li><li>Choat, B., Badel, E., Burlett, R., Delzon, S., Cochard, H., Jansen, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Non-invasive+measurement+of+vulnerability+to+drought+induced+embolism+by+X-ray+microtomography.">Non-invasive measurement of vulnerability to drought induced embolism by X-ray microtomography.</a> Plant Physiol. 170, 273-282 (2015).</li><li>Metzner, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Direct+comparison+of+MRI+and+X-ray+CT+technologies+for+3D+imaging+of+root+systems+in+soil:+potential+and+challenges+for+root+trait+quantification.">Direct comparison of MRI and X-ray CT technologies for 3D imaging of root systems in soil: potential and challenges for root trait quantification.</a> Plant Methods. 11, 1 (2015).</li><li>Le Mari&#233;, C., Kirchgessner, N., Marschall, D., Walter, A., Hund, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rhizoslides:+paper-based+growth+system+for+non-destructive,+high+throughput+phenotyping+of+root+development+by+means+of+image+analysis.">Rhizoslides: paper-based growth system for non-destructive, high throughput phenotyping of root development by means of image analysis.</a> Plant Methods. 10, 1 (2014).</li><li>Bengough, A. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gel+observation+chamber+for+rapid+screening+of+root+traits+in+cereal+seedlings.">Gel observation chamber for rapid screening of root traits in cereal seedlings.</a> Plant Soil. 262, 63-70 (2004).</li><li>Nagel, K. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GROWSCREEN-Rhizo+is+a+novel+phenotyping+robot+enabling+simultaneous+measurements+of+root+and+shoot+growth+for+plants+grown+in+soil-filled+rhizotrons.">GROWSCREEN-Rhizo is a novel phenotyping robot enabling simultaneous measurements of root and shoot growth for plants grown in soil-filled rhizotrons.</a> Funct. Plant Biol. 39, 891-904 (2012).</li><li>Price, A. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Upland+rice+grown+in+soil-filled+chambers+and+exposed+to+contrasting+water-deficit+regimes:+I.+Root+distribution,+water+use+and+plant+water+status.">Upland rice grown in soil-filled chambers and exposed to contrasting water-deficit regimes: I. Root distribution, water use and plant water status.</a> Field Crops Res. 76, 11-24 (2002).</li><li>Vadez, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Root+hydraulics:+the+forgotten+side+of+roots+in+drought+adaptation.">Root hydraulics: the forgotten side of roots in drought adaptation.</a> Field Crops Res. 165, 15-24 (2014).</li><li>Dane, J. H., Hopmans, J. W., Dane, J. H., Topp, G. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pressure+plate+extractor.">Pressure plate extractor.</a> Methods of soil analysis. Part 4. Physical methods. , 688-690 (2002).</li><li>W&#246;sten, J. H. M., Pachepsky, Y. A., Rawls, W. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pedotransfer+functions:+bridging+the+gap+between+available+basic+soil+data+and+missing+soil+hydraulic+characteristics.">Pedotransfer functions: bridging the gap between available basic soil data and missing soil hydraulic characteristics.</a> J. Hydrol. 251, 123-150 (2001).</li><li>Passioura, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+perils+of+pot+experiments.">The perils of pot experiments.</a> Funct. Plant Biol. 33, 1075-1079 (2006).</li><li>Dorrepaal, R., Malegori, C., Gowen, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tutorial:+Time+series+hyperspectral+image+analysis.">Tutorial: Time series hyperspectral image analysis.</a> J. Near Infrared Spec. 24, 89-107 (2016).</li><li>Kim, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Highly+sensitive+image-derived+indices+of+water-stressed+plants+using+hyperspectral+imaging+in+SWIR+and+histogram+analysis.">Highly sensitive image-derived indices of water-stressed plants using hyperspectral imaging in SWIR and histogram analysis.</a> Scie rep. 5, (2015).</li><li>Humpl&#237;k, J. F., Laz&#225;r, D., Husi&#269;kov&#225;, A., Sp&#237;chal, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+phenotyping+of+plant+shoots+using+imaging+methods+for+analysis+of+plant+stress+responses-a+review.">Automated phenotyping of plant shoots using imaging methods for analysis of plant stress responses-a review.</a> Plant Methods. 11, 29 (2015).</li><li>Lobell, D. B., Asner, G. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Moisture+effects+on+soil+reflectance.">Moisture effects on soil reflectance.</a> Soil Sci. Soc. Am. J. 66, 722-727 (2002).</li><li>Esquerre, C., Gowen, A. A., Burger, J., Downey, G., O'Donnell, C. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Suppressing+sample+morphology+effects+in+near+infrared+spectral+imaging+using+chemometric+data+pre-treatments.">Suppressing sample morphology effects in near infrared spectral imaging using chemometric data pre-treatments.</a> Chemometr. Intell. Lab. 117, 129-137 (2012).</li><li>Williams, P. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Localized+flux+maxima+of+arsenic,+lead,+and+iron+around+root+apices+in+flooded+lowland+rice.">Localized flux maxima of arsenic, lead, and iron around root apices in flooded lowland rice.</a> Environ Sci. Technol. 48, 8498-8506 (2014).</li><li>Cseresny&#233;s, I., Tak&#225;cs, T., V&#233;gh, K. R., Anton, A., Rajkai, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electrical+impedance+and+capacitance+method:+a+new+approach+for+detection+of+functional+aspects+of+arbuscular+mycorrhizal+colonization+in+maize.">Electrical impedance and capacitance method: a new approach for detection of functional aspects of arbuscular mycorrhizal colonization in maize.</a> Eur. J Soil Biol. 54, 25-31 (2013).</li><li>Brown, M., Lowe, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+panoramic+image+stitching+using+invariant+features.">Automatic panoramic image stitching using invariant features.</a> Int. J. Comput. Vision. 74, 59-73 (2007).</li><li>Jiang, Y., Li, C., Takeda, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nondestructive+detection+and+quantification+of+blueberry+bruising+using+near-infrared+(NIR)+hyperspectral+reflectance+imaging.">Nondestructive detection and quantification of blueberry bruising using near-infrared (NIR) hyperspectral reflectance imaging.</a> Scientific Reports. 6, 35679 (2016).</li><li>Chang, C. -. W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Near-infrared+reflectance+spectroscopy-principal+components+regression+analyses+of+soil+properties.">Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties.</a> Soil Sci. Soc. Am. J. 65, 480-490 (2001).</li><li>Leitner, D., Felderer, B., Vontobel, P., Schnepf, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recovering+root+system+traits+using+image+analysis+exemplified+by+two-dimensional+neutron+radiography+images+of+lupine.">Recovering root system traits using image analysis exemplified by two-dimensional neutron radiography images of lupine.</a> Plant Physiol. 164 (1), 24-35 (2014).</li></ol>

Les auteurs n’ont rien à divulguer.

Les protocoles prévoient deux approches complémentaires des sols cultivés imagerie du système racinaire. Une étape cruciale pour des résultats expérimentaux fiables se remplit de la rhizoboxes qui doit s’assurer d’une couche de substrat homogène et même à la vitre avant d’offrir un contact serré racine-sol à la fenêtre d’observation et éviter les trous d’air. C’est la principale raison d’utiliser la terre tamisée relativement fine de &#60; 2 mm : agrégats plus gros aboutir à la morphologie de surface supérieure à la fenêtre d’observation avec des vides entre les agrégats. Outre un risque plus élevé de déshydratation de bout de racine, cela exige également des techniques de traitement des images plus complexes pour la cartographie de l’eau31.
Modifications du protocole est donc surtout au remplissage rapide et amélioré de rhizoboxes. Actuellement les temps de remplissage est environ 30 minutes par zone. En outre, utilisation de rhizoboxes avec deux fenêtres en verre pour l’imagerie des deux côtés et modifications pour optimiser l’homogénéité d’éclairage pour les meilleures images RVB sont testés. Prolongation de matériel peut-être aussi envisager d’intégration des optodes planaire32 mais aussi capacité d’imagerie33 dans le système de rhizobox. Cependant, c’est au-delà des activités actuelles de mise à niveau.
Modifications de logiciels se concentrent sur l’enregistrement automatique des images à fusionner le haut et en bas RBG photos34. Pour hyperspectral extraction de caractéristique sans supervision avancée d’imagerie approches28 ainsi que des méthodes de détection de cible supervisée plus sensibles tels que SVMs35 sont testés. Les données hyperspectrales potentiellement permettant ainsi que pour l’évaluation de multiples du sol, la rhizosphère et racine propriétés36. En outre, il vise à développer un (semi) automatisée de logiciels pour les images de racine rhizobox basé sur une version modifiée du système racinaire Analyzer37 à quantifier morphologiques (longueur, diamètre, surface) ainsi que des caractères architecturaux (fréquence de ramification, ramification des angles).
La principale limitation du protocole par rapport aux approches d’imagerie 3D est la restriction à la surface visible racine et les propriétés de la rhizosphère. Toutefois, il a été démontré que les traits de racines visibles sont un proxy fiable pour l' ensemble du système racinaire21. La technique de rhizobox peut se combiner aisément avec un échantillonnage destructeur traditionnel (lavage) à la fin de croissance dynamique d’imagerie afin de valider la relation entre le visible vs total système racinaire des traits. Comme cette relation pourrait varier entre espèces21, échantillonnage destructeur est recommandé pour garantir inférence fiable des caractéristiques visibles pour toute nouvelle série de phénotypage avec une espèce de cultures différentes.
Le principal avantage du protocole présenté ici est la combinaison de conditions de croissance réalistes (sol), le débit potentiel relativement élevé pour l’imagerie RVB et l’inférence sur la fonctionnalité de racine (par exemple l’absorption d’eau) via les données de racine et de la rhizosphère chimiométriques d’imagerie hyperspectrale résolues dans le temps. Ainsi les méthodes surmonte les restrictions d’inférence dans des semis à haut débit et racine de non-sol imagerie méthodes14, tandis que cela permet partiellement aperçus de phénotypage profonde des processus fonctionnels avec complexité moins expérimentale et des débits plus élevés par rapport aux méthodes 3D avancées15.
Dans les expériences à venir le protocole servira à étudier l’effet des mycorhizes sur le développement du système racinaire et la fonctionnalité des légumineuses ainsi en ce qui concerne les caractéristiques de racine de phénotypage d’espèces de cultures de couverture en ce qui concerne la structure du sol, l’azote et carbone vélo.

Racines offrent plusieurs fonctions essentielles pour les plantes telles que le stockage des assimilats, ancrage des plantes terrestres dans le sol et l’absorption et le transport de l’eau et les nutriments1. Du point de vue évolutif, la formation des axes racine est considérée comme une condition préalable fondamentale à l’origine des plantes de terre2. Malgré ce rôle important, historiquement les racines ont occupé seulement une position marginale dans la recherche biologique. Plus ces derniers temps, cependant, il est scientifique un intérêt croissant dans des systèmes de racine de plante comme en témoigne la Figure 1.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56251/56251fig1.jpg"> 
Figure 1 : Importance des racines plant sciences. Nombre de racines des études en pourcentage de toutes les études de plantes publiés dans des revues SCI connexes au cours des dernières décennies. Résultat de Scopus en utilisant les mots-clés « plante » et « des plantes et racines » de recherche. <a href="//ecsource.jove.com/files/ftp_upload/56251/56251fig1large.jpg" target="_blank">S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>
Deux raisons principales peuvent être hypothétiquement sous-tendent les récentes avancées dans la recherche de la racine. Première végétation terrestre est exposée à des stress environnementaux plus fréquents à la suite de changements mondiaux3. Dans le contexte de la production agricole végétale, on estime que dans le monde environ 30 % de la surface agricole sont limitées par l’eau et phosphore4,5. Réduction du stress du rendement des cultures sont des raisons principales pour les écarts de rendement importantes qui sont estimés dans le monde au moins 50 % de la productivité potentielle pour les cultures pluviales agro-écosystèmes6. En plus de la disponibilité des ressources faibles, cela est également liée à l’efficacité d’utilisation de ressources pauvres, c'est-à-dire insuffisante capacité d’une usine d’exploiter les ressources disponibles7. Cela se traduit par des pertes de ressources mobiles tels que le nitrate qui peut affecter négativement les autres écosystèmes. L’efficacité d’utilisation globale d’azote actuel par exemple est estimée à 47 %8. Meilleure ressource efficience grâce à des méthodes de gestion améliorée de l’utilisation et des cultivars est donc d’une grande importance pour les deux une croissance de la production agricole aussi bien en ce qui concerne la durabilité de l’environnement. Dans cette usine de contexte racines sont considérés comme un objectif clé pour l’amélioration des cultures et culture systèmes9,10.
Un deuxième fond important pour l’intérêt récent pour les racines des plantes est une avancée technologique dans les méthodes de mesure. Méthodes de racine ont longtemps été limités par deux grands défis : pour la mesure des racines de plantes qui poussent dans le sol, ils devaient être isolés pour la quantification, pour la plupart en lavant11, ainsi déranger la disposition architecturale des axes de racine. Observation de racine in situ à l’aide d’excavation méthodes, conservant ainsi la situation naturelle des racines dans le sol, ont été utilisés pour la description botanique12. Encore, ils sont très coûteuses en temps et donc ne répondent pas aux exigences de débit d’analyse comparative système structural-fonctionnelle de la racine. D’autre part haut débit des méthodes pour la mesure d’architecture de racine ont été faites principalement sur des milieux artificiels et pour des semis de plantes13 où l’extrapolation à l’environnement naturel de croissance des plantes est discutable14.
Le boom récent de recherche de la racine est intimement lié à l’avance en imagerie méthodes15. Imagerie des approches en études de racine peut être grossièrement regroupé en trois types. Tout d’abord il y a des méthodes 3D haute résolution tels que CT et IRM16. Ces méthodes sont plus aptes à étudier les processus d’interaction des racines avec le sol, tels que la sécheresse provoquée par le xylème embolie17. En général, ils sont appliqués aux échantillons relativement petits où ils permettent des observations détaillées. Une comparaison de CT et MRI pour pots de tailles différente et l’imagerie de radicelles est fournie en18. Deuxièmement, il y a de19,des méthodes d’imagerie haut débit20. Ces méthodes sont pour la plupart sur la base commune 2D RGB imagerie des racines qui poussent sur des milieux artificiels (gel, papier de germination) où contraste élevé permettant une dissection relativement simple entre racines et l’arrière-plan. Elles sont appropriées pour la comparaison à haut débit entre traits racine des plantules de génotypes de cultures différentes en vertu de conditions artificielles normalisés croissant13. Entre ces deux approches sont rhizobox méthodes : ils utilisent l’imagerie 2D des racines qui poussent dans le sol sur longue période et ont un débit moyen de21,22. Un défi récent à l’imagerie de la racine (2D) consiste à capturer également indicateurs de fonctionnalité de racine en plus de la description de la structure23.
Dans le présent document, nous présentons les protocoles expérimentaux d’imagerie rhizobox cultivé le système racinaire à l’aide de (i) une simple et peu coûteuse sur mesure RVB d’imagerie configuration et (ii) une installation d’imagerie de NIR plus complexe. Exemple résultats obtenus de ces deux configurations sont montrés et discutés dans le contexte de phénotypage de plante et de la recherche en physiologie végétale.

<table>
	<tbody>
		<tr>
			<td>Rhizobox</td>
			<td>Technisches B&#252;ro f&#252;r Bodenkultur</td>
			<td>Experimental builder</td>
			<td></td>
		</tr>
		<tr>
			<td>LED Lamps ATUM HORTI 600</td>
			<td>Klutronic</td>
			<td>AHI10600F</td>
			<td></td>
		</tr>
		<tr>
			<td>Fluorescent light tube HiLite T5 Day</td>
			<td>Juwel Aquarium</td>
			<td>86324</td>
			<td></td>
		</tr>
		<tr>
			<td>UV light tube Eurolite 45cm slim 15 W</td>
			<td>Conrad</td>
			<td>593384 - 62</td>
			<td></td>
		</tr>
		<tr>
			<td>Canon EOS 6D</td>
			<td>Canon Austria GmbH</td>
			<td>8035B024</td>
			<td></td>
		</tr>
		<tr>
			<td>Adobe Photoshop CS5 Extended Version 12.0 x 32</td>
			<td>Adobe Systems Software Ireland Ltd.</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>WinRhizo Pro v. 2013</td>
			<td>Regent Instruments Inc.</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Xeva-1.7-320 SWIR camera</td>
			<td>Xenics</td>
			<td>XEN-000105</td>
			<td></td>
		</tr>
		<tr>
			<td>Spectrograph Imspector N25E</td>
			<td>Specim</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Hyperspectral imaging scanner</td>
			<td>Carinthian Tech Research AG</td>
			<td>Experimental builder</td>
			<td>Design and assemblage of Hyperspectral Imaging Scanner and software</td>
		</tr>
		<tr>
			<td>Matlab R2106a</td>
			<td>Mathworks</td>
			<td></td>
			<td>Including Toolboxes for Image Processing, Signal Processing and Statistics and Machine Learning</td>
		</tr>
		<tr>
			<td>AP4 Poromoeter</td>
			<td>Delta-T-Devices</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>LI-3100C Area Meter</td>
			<td>LI-COR</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>BASF Styradur polystyrene sheets</td>
			<td>Obi Baumarkt</td>
			<td>9706318</td>
			<td>Different types of polystyrene sheets or other material separating differently moistured soil can be used</td>
		</tr>
	</tbody>
</table>

rgb and spectral root imaging for plant phenotyping and physiological research: experimental setup and imaging protocols

Meilleure compréhension des dynamiques de racine de plante est indispensable pour améliorer l’utilisation efficace des ressources des systèmes agricoles et augmenter la résistance des cultivars de contre les stress environnementaux. Un protocole expérimental est présenté pour RVB et imagerie hyperspectrale des systèmes racinaires. L’approche utilise rhizoboxes où les plantes poussent dans les sols naturels au cours de plus de temps pour observer des systèmes racinaires entièrement développées. Les paramètres expérimentaux sont illustrées pour évaluer rhizobox des plantes sous stress hydrique et d’étudier le rôle des racines. Une installation d’imagerie RVB est décrite pour la quantification rapide et bon marchée du développement racinaire au fil du temps. Imagerie hyperspectrale améliore la segmentation de la racine de l’arrière-plan du sol par rapport au Seuillage couleur RVB. La force particulière de l’imagerie hyperspectrale est l’acquisition d’informations chimiométriques sur le système de racine-sol pour compréhension fonctionnelle. Cela est démontré avec cartographie contenu eau de haute résolution. Imagerie spectrale est toutefois plus complexe dans l’acquisition d’images, de traitement et d’analyse par rapport à l’approche de RVB. Une combinaison des deux méthodes peut optimiser une évaluation détaillée du système racinaire. Exemples d’applications intégrant les traits au-dessus du sol et racine sont donnés dans le contexte de la recherche en physiologie végétale phénotypage et plante. Amélioration de l’imagerie de la racine peut être obtenue en optimisant la qualité de l’image RVB avec le meilleur éclairage à l’aide de différentes sources de lumière et par extension des méthodes d’analyse image à déduire sur les propriétés de la zone racine de données spectrales.

Example results are presented for root segmentation based on RGB and HS imaging. For spectral imaging an example of high resolution water mapping is provided. Finally results are shown that demonstrate the scientific context where image based root data are applied.
RGB based root measurement
Figure 8 shows an RGB root image time series of sugar beet cultivar Ferrara. The images reveal some artefacts from inhomogeneous illumination of the rhizoboxes, with brighter areas along the left side and different brightness at the overlapping area between top and bottom images.
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/56251/56251fig8.jpg" /> 
Figure 8: Root growth time series from the RGB imaging. 
Pictures show the sugar beet cultivar Ferrara at different days after sowing (DAS). The images show some artefacts due to non-homogeneous illumination at the left side of the image and between top and bottom images. Scale bars, 2 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig8large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Figure 9 provides details on root segmentation based on color thresholding for cultivar Ferrara at day after sowing (DAS) 35. As a reference (Figure 9A), a binary image is used where all roots were manually tracked with a Graphic Tablet. The time required for manual tracking of the entire, fully developed, dense sugar beet root system was around four hours. Figure 9B gives a detailed view on a selected area at the top of the image where old lateral roots are present. Here several root axes are not classified by the color threshold. At the bottom (Figure 9C) on the contrary, where white young roots are predominant, the color based segmentation properly classifies all root axes. The binarized root system (Figure 9D) shows a black area at the left side from the illumination artefact which was defined as exclusion region before running quantitative analysis. Figure 9E shows the corresponding pixel histograms of selected features (roots vs. soil) for the red channel of the RGB image from Ferrara at DAS 35. The root pixels (blue color) clearly show three peaks corresponding to bright young laterals, dark old laterals and tap root. The overlap between the old laterals and the soil background is very strong, leading to unclassified root axes (cf. Figure 9B).
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/56251/56251fig9.jpg" /> 
Figure 9: Root segmentation using a color threshold. 
(A) Manually segmented root system using a Graphic Tablet, (B) area with poorly segmented old root axes in the top and (C) properly segmented young axes in the bottom of the image, and (D) binary image obtained from color based thresholding. (E) Pixel histograms for selected features of the RGB image. Roots are represented by the blue bars with different root types indicated; soil is represented by the red bars. Scale bars in A and D, 2 cm; scale bars in B and C, 1 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig9large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
The resulting total visible root length quantified for the manually segmented reference image is 1534.1 cm, while the automatized, color based segmentation gives a total root length of 1427.6 cm.
Greyscale images from UV-illumination do not provide an advantage in the case shown here and performed worse compared to color thresholding (root length: 1679.7 cm). Old roots could not be segmented, and there was more noise in the image, probably due to lower light intensity of the UV lamps. However, in case of young roots with high auto-fluorescence and a bright background substrate, UV-illumination can still be an option as shown by an image obtained from another experiment where sand was used as background substrate (Figure 10).
<img alt="Figure 10" class="xfigimg" src="/files/ftp_upload/56251/56251fig10.jpg" /> 
Figure 10: UV illumination to visualize roots on bright background. 
Example from a durum wheat root system growing in a rhizobox filled with quartz sand. The rhizobox is imaged with illumination for (A) UV light and (B) fluorescent (day) light. Scale bars, 2 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig10large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
HSI based root measurements
Figure 11 provides the mean spectra for three root ROIs (old and young lateral, tap root) and two soil ROIs (top and bottom of rhizobox).
<img alt="Figure 11" class="xfigimg" src="/files/ftp_upload/56251/56251fig11.jpg" /> 
Figure 11: Mean spectra of root and soil. 
Spectra from regions of interest (ROIs) on the root (three root types) and in the soil (top and bottom of the rhizobox). The ROIs are selected to determine an optimum segmentation criterion between root and soil. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig11large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
It is evident that the tap and young lateral roots differ substantially from the background in intensity of most spectral bands. For the old laterals the intensity differences are much lower. A feature that can be inferred visually is the different slope of the spectrum around water absorption region (1450 nm). Here the slope of root spectra is higher compared to soil spectra. Furthermore a change of tap and young lateral spectra in the region around 1100 nm can be identified that does not occur in the old laterals.
Figure 12A shows the result from the search algorithm identifying a spectral ratio with strongest foreground-background contrast. The ratio of spectra at 1476 nm to 1076 nm provides the best separation between roots and soil. The resulting histogram of root foreground and soil background pixels is shown in Figure 12B. Although there is some overlap, most pixels are clearly separated from the soil background. Fitting a bimodal Gaussian curve through the histogram and using Bhattacharyya distance for quantification, a value of 7.80 is obtained. A value higher 3.0 indicates strong image contrast allowing reliable separation28.
<img alt="Figure 12" class="xfigimg" src="/files/ftp_upload/56251/56251fig12.jpg" /> 
Figure 12: Difference in reflectance between root foreground and soil background for different spectral band ratios and pixel histogram at spectral ratio used for segmentation. 
(A) Bright colors (yellow) show high contrast between foreground and background, dark colors (blue) show low contrast. The first 15 bands have been removed because of noise. The red lines indicate the band ratio with highest contrast. (B) Pixel histogram of roots (blue) and soil (red) at segmentation spectral ratio. Blue bars represent the root and red bars the soil. The intensity value corresponds to the ratio of spectral band 160 to spectral band 49. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig12large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
The binary image (Figure 13) is created by applying a global intensity threshold of the identified spectral ratio at a value of 1.008 calculated from the histogram distance27. Analysis of root length of this image gives a total length of 1557.3 cm which represents an error of only 1.5% compared to the manually tracked reference image.
<img alt="Figure 13" class="xfigimg" src="/files/ftp_upload/56251/56251fig13.jpg" /> 
Figure 13: Binary image of the root system of sugar beet cultivar Ferrara. 
The image is obtained by applying a global spectral threshold. Scale bar (bottom left corner), 2 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig13large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Although root segmentation has improved using spectral information compared to color based information, the main intention of HS imaging is analysis of chemometric image properties. This is exemplified via mapping the water content of a rhizobox image.
Figure 14A shows the mean spectra of the compartments in the calibration rhizobox (cf. Figure 7) filled with soil of different water content. The shape of spectra is similar between the compartments, i.e. here a spectral ratio does not necessarily provide a more stable classification criterion. Thus intensity at a single spectral band (1680 nm), where the average difference between adjacent water contents is maximized, is identified as best separating criterion. The resulting pixel histograms for this spectral wavelength are shown in Figure 14B.
<img alt="Figure 14" class="xfigimg" src="/files/ftp_upload/56251/56251fig14.jpg" /> 
Figure 14: Spectral features for water content calibration. 
(A) Mean spectra of nine water compartments from the calibration rhizobox with different water contents; (B) Pixel histograms for the water compartments at band 216 where average distance between neighboring compartment is maximum. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig14large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
The relation of the average pixel intensity at 1680 nm and the measured water content is shown in Figure 15.
<img alt="Figure 15" class="xfigimg" src="/files/ftp_upload/56251/56251fig15.jpg" /> 
Figure 15: Relation of spectral reflectance and volumetric water content. 
The figure shows data pairs of measured water content and spectral reflectance with empirical curves (linear and exponential) fit to the data excluding the highest water contents (red triangles). <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig15large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Differentiation of higher water contents from spectral intensity becomes difficult. A significant regression (either linear or exponential) with high R2 can be fit to water contents up to around 0.30 cm3 cm-3. Wetter soil conditions cannot be reliably predicted by the intensity value. Similar behavior of an exponential relation between reflectivity and water content with a decreasing response to water contents higher 0.30 cm3 cm-3 was also found in other studies30.
A rhizobox image with fine mapping of water content is shown in Figure 16. Four aspects have to be remarked. First, a region of lower water content can be seen in the rooted parts of the rhizobox. Second, strongest depletion is concentrated in the vicinity to single root axes. Third, depletion zones also occur where no root axes are visible on the surface, indicating regions where roots are hidden in soil. Fourth, water mapping without further image-processing results in a patchy appearance due to the aggregated soil. This can indicate inhomogeneous water content distribution at the aggregate scale, but also surface morphology effect on image quality. Chemometric image-processing techniques are an option to overcome such morphological effects in spectral images31, but are not implemented so far in the Matlab scripts used here.
<img alt="Figure 16" class="xfigimg" src="/files/ftp_upload/56251/56251fig16.jpg" /> 
Figure 16: Water content mapping on a rhizobox. 
The dark blue colours represent regions of high water content, green to red areas show regions with low water content. The plant root is overlaid on the image in black. Scale bar (bottom left corner), 2 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig16large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Application examples
Figure 17 relates quantitative root traits from image analysis with aboveground measurements.
<img alt="Figure 17" class="xfigimg" src="/files/ftp_upload/56251/56251fig17.jpg" /> 
Figure 17: Typical application examples for root data. 
(A) and (B) show root information used for aboveground-belowground plant characterization in a phenotyping context. (A) represents root growth from the sugar beet cultivar Ferrara, (B) compares six rhizobox grown sugar beet cultivars using leaf-to-root area ratio (data from one replicate). (C) and (D) are functional relations between traits as found in plant physiological research. (C) shows the influence of leaf-to-root area ratio on dry matter production and (D) the relation of root surface area to stomata conductance. <a href="https://cloudflare.jove.com/files/ftp_upload/56251/56251fig17large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Figure 17A and 17B are relevant for phenotyping focusing on comprehensive aboveground and belowground plant characterization. Figure 17A shows root growth of sugar beet cultivar Ferrara (cf. Figure 8 for images). Expansion of the root system indicates the capacity of a cultivar to explore the soil volume in a given time span of the vegetation period. Figure 17B shows leaf-to-root surface area ratio of six sugar beet cultivars, providing a descriptor for the balance between plant supply (root) and demand (leaf).
Figures 17C and 17D give examples for functional relations of interest in physiological research. In Figure 17C leaf-to-root surface area ratio is related to dry matter formed during the experiment, indicating the predominant role of the assimilating surface as a limiting factor for dry matter accumulation. The lack of significance in spite of a comparatively high R2 is related to the low number of paired data (n=6) used here. Figure 17D reveals that cultivars with higher root surface area (improved uptake) have an average higher stomata conductance over the course of the experiment. The higher root area apparently sustains water extraction, thereby prolonging stomata opening.

Watch this Scientific Journal Video about RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols at JoVE.com

RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols

RVB et l’imagerie spectrale racine pour le phénotypage de l’usine et la recherche en physiologie : montage expérimental et des protocoles d’imagerie

Un protocole expérimental est présenté pour évaluation des sols cultivés des systèmes racinaires plante avec RVB et imagerie hyperspectrale. Combinaison du temps d’image RVB scanne de série avec les informations de Chimiométrie de hyperspectral optimise les aperçus de la dynamique des racines végétales.

Better understanding of plant root dynamics is essential to improve resource use efficiency of agricultural systems and increase the resistance of crop ...

Research

JoVE Journal

Environment

Transcript and Metabolite Profiling for the Evaluation of Tobacco Tree and Poplar as Feedstock for the Bio-based Industry

Transcription et profilage des métabolites pour l&#39;évaluation des arbres tabac et le peuplier comme matière première pour l&#39;industrie de la bioéconomie

The global demand for food, feed, energy, and water poses extraordinary challenges for future generations. It is evident that robust platforms for the ...

Recherche

Environnement

Experimental Protocol for Manipulating Plant-induced Soil Heterogeneity

Protocole expérimental pour l&#39;hétérogénéité du sol Manipulation des plantes induite

Coexistence theory has often treated environmental heterogeneity as being independent of the community composition; however biotic feedbacks such as ...

Protocols for Robust Herbicide Resistance Testing in Different Weed Species

Protocoles pour les essais la résistance aux herbicides robuste chez différentes espèces de mauvaises herbes

Robust protocols to test putative herbicide resistant weed populations at whole plant level are essential to confirm the resistance status. The presented ...

Soil Lysimeter Excavation for Coupled Hydrological, Geochemical, and Microbiological Investigations

Sol Lysimètre Excavation pour Coupled hydrologiques, géochimiques et microbiologiques Enquêtes

Studying co-evolution of hydrological and biogeochemical processes in the subsurface of natural landscapes can enhance the understanding of coupled ...

Experimental Column Setup for Studying Anaerobic Biogeochemical Interactions Between Iron (Oxy)Hydroxides, Trace Elements, and Bacteria

Experimental Column Setup for Studying Anaerobic Biogeochemical Interactions Between Iron OxyHydroxides, Trace Elements, and Bacteria

Installation de colonne expérimental pour l’étude anaérobies biogéochimiques entre les hydroxydes de fer (Oxy), oligo-éléments et les bactéries

Fate and speciation of trace elements (TEs), such as arsenic (As) and mercury (Hg), in aquifers are closely related to physio-chemical conditions, such as ...

Ecosystem Fabrication (EcoFAB) Protocols for The Construction of Laboratory Ecosystems Designed to Study Plant-microbe Interactions

Ecosystem Fabrication EcoFAB Protocols for The Construction of Laboratory Ecosystems Designed to Study Plant-microbe Interactions

Écosystème des protocoles de Fabrication (EcoFAB) pour la Construction des écosystèmes de laboratoire destiné à étudier les Interactions plantes-microorganismes

Beneficial plant-microbe interactions offer a sustainable biological solution with the potential to boost low-input food and bioenergy production. A ...

The Plant Infection Test: Spray and Wound-Mediated Inoculation with the Plant Pathogen Magnaporthe Grisea

The Plant Infection Test: Spray and Wound-Mediated Inoculation with the Plant Pathogen Magnaporthe Grisea

Le Test de Infection de plantes : Spray et induite par la plaie de l’Inoculation avec la plante pathogène Magnaporthe Grisea

Plants possess a powerful system to defend themselves against potential threats by pathogenic fungi. For agriculturally important plants, however, current ...

Harvesting Venom Toxins from Assassin Bugs and Other Heteropteran Insects

Récolte de venin toxines d’Assassin Bugs et autres insectes hétéroptères

Heteropteran insects such as assassin bugs (Reduviidae) and giant water bugs (Belostomatidae) descended from a common predaceous and venomous ancestor, ...

An Optimized Rhizobox Protocol to Visualize Root Growth and Responsiveness to Localized Nutrients

Un protocole de Rhizobox optimisé pour visualiser la croissance racinaire et la réceptivité aux nutriments localisées

Roots are notoriously difficult to study. Soil is both a visual and mechanical barrier, making it difficult to track roots in situ without destructive ...

Colletotrichum fioriniae Development in Water and Chloroform-based Blueberry and Cranberry Floral Extracts

Colletotrichum fioriniae Development in Water and Chloroform-based Blueberry and Cranberry Floral Extracts

COLLETOTRICHUM fioriniae Développement dans l’eau et des extraits floraux axée sur le chloroforme aux bleuets et aux canneberges

To accurately monitor the phenology of the bloom period and the temporal dynamics of floral chemical cues on fungal fruit rotting pathogens, floral ...