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

Авторы признают, финансирование от австрийской FWF фонд науки через проект номер P 25190-B16 (корни засухоустойчивость). Создание инфраструктуры гиперспектральных изображений было при финансовой поддержке федерального правительства Нижняя Австрия (Земля Niederösterreich) через проект K3-F-282/001-2012. Дополнительное финансирование для сахарной свеклы эксперимент был получен от Аграна исследований &#38; GmbH центр инноваций (АРИК). Авторы благодарят Крейг Джексон за техническую поддержку в ходе эксперимента и английский коррекции рукописи. Мы также признаем Маркус Freudhofmaier, кто способствовал созданию RGB изображения установки и Йозеф Schodl для строительства rhizobox монтажа.

<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>

Авторы не имеют ничего сообщать.

Протоколы обеспечивают два взаимодополняющих подхода для почвы, рост корневой системы визуализации. Важным шагом для надежных экспериментальных результатов заполнение rhizoboxes, который должен обеспечить даже и однородной подложки слоем на передние стекла обеспечивают контакт туго корень почвы в окне наблюдения и избежать воздушные зазоры. Это основная причина для использования сравнительно хорошо просеянные почвы &#60; 2 мм: крупных агрегатов привести к выше поверхности морфологии в окне наблюдения с пустоты между агрегатами. Кроме того, более высокий риск обезвоживания кончика корня это также требует более сложных методов обработки изображений для воды сопоставления31.
Поэтому изменения протокола сосредоточиться на улучшение и быстрого заполнения rhizoboxes. В настоящее время время наполнения составляет около 30 минут в коробке. Кроме того использование rhizoboxes с двумя стеклами для изображений с обеих сторон, так и изменения для оптимизации однородности освещения для лучшего изображения RGB тестируются. Дальнейшие расширения оборудования могли бы также рассмотреть интеграции плоские optodes32 , а также емкости изображений33 в rhizobox систему. Однако это выходит за рамки текущей модернизации деятельности.
Модификаций программного обеспечения сосредоточиться на автоматической регистрации предохранитель верхней и нижней RBG фото34. Для использования гиперспектральных изображений продвинутая особенность неконтролируемой добычи подходы28 , а также более чувствительные методы обнаружения под контролем целевого такие как Марковским35 тестируются. Таким образом гиперспектральных данных потенциально позволяют для оценки нескольких почвы, ризосфере и корень свойства36. Кроме того, он призван разработать (полу) автоматизированного программного обеспечения для rhizobox корень изображений на основе модифицированной версией37 корневой системы анализатора для количественного определения морфологической (длина, диаметр, поверхность) а также архитектурные черты (ветвления частоты, ветвление углы).
Основное ограничение протокола, по сравнению с 3D визуализации подходов является ограничение на поверхности видны корня и ризосфере свойств. Однако было продемонстрировано, что видимые корень черты являются надежным прокси для всей корневой системы21. Rhizobox техника легко сочетается с традиционными разрушительной выборки (стирка) в конце динамичного роста изображений с целью проверки связи видимыми против всего корневой системы черты. Как это отношение может варьироваться среди видов21, разрушительные выборки рекомендуется для обеспечения надежного вывода из видимых признаков для любой новой серии фенотипа с видами различных культур.
Ключевым преимуществом протокола, представленные здесь является сочетание реалистичные условий выращивания (почвы), относительно высокой потенциальной пропускной способности для временно решена RGB изображения и вывод на корень функциональность (например, поглощение воды) через chemometric корня и ризосфере данным гиперспектральных изображений. Тем самым методы преодолевает ограничения вывода в Рассада высокой пропускной способности и не почвы корень изображений методы14, хотя это частично позволяет глубоко фенотипирование понимание функциональных процессов с менее экспериментальной сложности и высокую пропускную способность по сравнению с передовых 3D методы15.
В предстоящих экспериментов для изучения эффекта микориза на развитие корневой системы и функциональность бобовых, а также что касается фенотипирование корень характеристики видов покрытия сельскохозяйственных культур в отношении структуры почвы, азота и углерода будет использоваться протокол Велоспорт.

Корни растений, таких как хранение предусматривают несколько основных функций усваивает, Анкоридж наземные растения в почве и поглощение и транспортировки воды и питательных веществ1. С эволюционной точки зрения формирования оси корня считается основным условием для происхождение наземных растений2. Несмотря на эту важную роль исторически корни занимали лишь маргинальное положение в биологических исследованиях. В более поздние времена однако, растет научный интерес в корневой системы растений как свидетельствует на рисунке 1.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56251/56251fig1.jpg"> 
Рисунок 1: Актуальность исследований корня растений наук. Количество корневых соответствующих исследований в процентах всех опубликованных завод исследований в журналах SCI за последние десятилетия. Результат от Scopus, используя ключевые слова «завод» и «завод и корень» поиска. <a href="//ecsource.jove.com/files/ftp_upload/56251/56251fig1large.jpg" target="_blank">Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.</a>
Две основные причины можно предположить, чтобы лежат в основе последних достижений в исследованиях корня. Во-первых, наземной растительности подвергается более частых экологического стресса в результате глобальных изменений3. В контексте производства сельскохозяйственных культур предполагается, что во всем мире около 30% сельскохозяйственных площадей ограничены воды и фосфор4,5. Снижение стресса урожайности сельскохозяйственных культур являются главной причиной значительную доходность пробелы, которые оцениваются глобально в ниже 50% потенциальной продуктивности для неорошаемых агроэкосистемах6. Помимо наличия ограниченных ресурсов это также связано с бедных ресурсов эффективность использования, т.е. недостаточный потенциал для использования имеющихся ресурсов7завода. Это приводит к потерям мобильных ресурсов например, нитратов, которое может отрицательно повлиять на другие экосистемы. Эффективность использования текущей глобальной азота например оценивается в 47%8. Ресурсов лучше использовать эффективность посредством совершенствования методов управления и сортов поэтому большое значение как для устойчивого роста сельскохозяйственных мероприятий, а также экологической устойчивости. В этом контексте растений корни считаются ключевыми мишенью для улучшения сельскохозяйственных культур и выращивания сельскохозяйственных культур систем9,10.
Второй важный фон для бронирование интерес к корням растений — технологического прогресса в методах измерения. Корень методы давно были ограничены по две основные проблемы: для измерения корней растений, растущих в почве, они должны были быть изолированы для количественной оценки, главным образом путем промывания11, таким образом нарушая архитектурной расположение корневого осей. In-situ корень наблюдение с использованием раскопки методами, тем самым сохраняя естественный расположения корней в почве, были использованы для Ботаническое описание12. Еще они очень много времени и таким образом не соответствуют требованиям пропускной способности анализа сравнительной структурно функциональной корневой системы. С другой стороны методы высокой пропускной способностью для корневой архитектуры измерения были основном делается на искусственных средств массовой информации и для рассады растений13 где экстраполяции для окружающей среды естественного роста растений является сомнительной14.
Недавний бум корень исследований тесно связана с заранее в imaging методы15. Imaging подходы в корень исследования можно примерно сгруппировать три типа. Во-первых есть высокое разрешение 3D методов, таких как КТ и МРТ-16. Эти методы являются наиболее подходящими для исследования процессов взаимодействия корней растений с почвой, такие, как засуха индуцированной ксилема эмболии17. Обычно они применяются для сравнительно небольших образцов, где они позволяют подробные замечания. В18приводится сравнение КТ и МРТ для по-разному размера кастрюли и тонкой корень изображений. Во-вторых есть высок объём тепловизионные методы19,20. Эти методы являются главным образом на основе общих 2D RGB изображений корней, растущих на искусственных СМИ (гель, прорастание бумага), где высокая контрастность позволяет сравнительно просто диссекция между корнями и фон. Они подходят для высокой пропускной способности сравнения среди Рассада корень черты различных культур генотипов под стандартизированных искусственный рост условия13. Между этими двумя подходами являются rhizobox методы: они используют 2D изображений корни растущих в почве в течение длительного периода времени и средней пропускной способности21,22. Последние вызов (2D) корня изображений является захват также показатели корень функциональность помимо описания структуры23.
В настоящем документе мы представляем экспериментальные протоколы для изображений rhizobox рост корневой системы, используя (i дешевый и простой заказ RGB изображения установки и (ii более сложные визуализации установки НДК. Пример результатов, полученных от этих двух настроек отображаются и обсуждаются в контексте завод фенотипа и физиологические исследования растений.

<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

Лучшего понимания динамики корня растений имеет важное значение для повышения эффективности использования ресурсов сельскохозяйственных систем и увеличить сопротивление сортов сельскохозяйственных культур против экологическим стрессам. Экспериментальный протокол представляется для RGB и гиперспектральных изображений корневых систем. Этот подход использует rhizoboxes, где растения растут в естественной почве над более длинним временем соблюдать полностью развитых корневых систем. Экспериментальные параметры являются примером для оценки rhizobox растений под водный стресс и изучение роли корней. RGB изображений установки описан для дешевой и быстрой квантификации корень развития с течением времени. Гиперспектральных изображений улучшает сегментации корень от фона почвы по сравнению с порог цвета RGB. Особая сила гиперспектральных изображений является приобретение chemometric информацию о системе корень почвы для функционального понимания. Это проявляется с высоким разрешением воды содержание сопоставления. Спектральная томография, однако, является более сложным в захвата изображений, обработки и анализа, по сравнению с подходом RGB. Сочетание обоих методов можно оптимизировать всеобъемлющую оценку корневой системы. Примеры приложений, интеграции, корень и трава черты даны в контексте фенотипа и завод физиологические исследования растений. Дальнейшее совершенствование корневой изображений могут быть получены путем оптимизации качества изображения RGB с лучшего освещения, используя различные источники света и выдвижением методов анализа изображений для выведения на свойства корня зоны от спектральных данных.

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 и спектральные корень изображений для растений фенотипа и физиологических исследований: экспериментальная установка и визуализации протоколы

Экспериментальный протокол представлен для оценки почвы выращенных растений корневой системы с RGB и гиперспектральных изображений. Сочетание RGB изображения время серии с chemometric информацией из гиперспектрального сканирует оптимизирует понимание динамики корня растений.

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

Стенограмма и метаболитов профилирования по оценке табака Дерево и тополя в качестве сырья для био-основанной промышленности

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

Experimental Protocol for Manipulating Plant-induced Soil Heterogeneity

Экспериментальный протокол для работы с завод-индуцированной неоднородности почвы

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

Протоколы Прочная гербицидам тестирования в различных сорняков

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

Почва лизиметре Выемка для связанных гидрологические, геохимические и микробиологические исследования

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

Установка экспериментальной столбца для изучения анаэробных биогеохимических взаимодействий между гидроксидов железа (Окси), микроэлементов и бактерий

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

Экосистема изготовление (EcoFAB) протоколы для строительства лаборатории экосистем, предназначенных для изучения растений микробных взаимодействий

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

Завод инфекции тест: Спрей и Рана опосредованной прививка с завода возбудителя Magnaporthe мурены

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

Заготовка Venom токсины от убийца ошибок и других насекомых, Heteropteran

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

Оптимизированный протокол Rhizobox для визуализации рост корня и реагировать локализованных питательные вещества

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 Развитие в воде и хлороформе основе черники и клюквы цветочные экстракты

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