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

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 &#38; 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.

<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>

저자는 공개 없다.

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 &#60; 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.

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.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56251/56251fig1.jpg"> 
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. <a href="//ecsource.jove.com/files/ftp_upload/56251/56251fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.</a>
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.

<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

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.

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

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

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.

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

바이오 기반 산업을위한 원료로 담배 나무와 포플러의 평가에 대한 성적 증명서 및 대사 산물 프로파일

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

연구

환경과학

Experimental Protocol for Manipulating Plant-induced Soil Heterogeneity

조작 식물에 의한 토양의 이질성에 대한 실험 프로토콜

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

다른 잡초 종의 강력한 제초제 저항 테스트를위한 프로토콜

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

결합 문학, 지구 화학 및 미생물 조사를위한 토양 모형 매립 발굴

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

(옥 시) 철 수 산화물, 성분, 및 박테리아 혐 기성 생물 지구 화학적 상호 작용을 공부에 대 한 실험 열 설정

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

식물-미생물 상호작용 연구 위한 실험실 생태계의 건설에 대 한 생태계 제조 (EcoFAB) 프로토콜

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

식물 감염 테스트: 스프레이 식물 병원 체 Magnaporthe Grisea 와 상처-중재 접종

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

독 독 소 암살자 버그와 다른 Heteropteran 곤충에서 수확

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

루트 성장 및 지역화 된 양분에 응답을 시각화 하는 최적화 된 Rhizobox 프로토콜

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 물, 클로 프롬 기반 블루베리와 크랜베리 꽃 추출 물 개발

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