Определение стабильности развития растений в светокультуре с использованием гиперспектральной сьемки

Показали, что для оптимизации светокультуры необходим удобный, точный и быстрый способ оценки степени влияния факторов окружающей среды на растения. Подчеркнули важность неразрушающего мониторинга физиологического  состояния сельхозкультур, для чего привлекают технологии феномики, например дистанционное зондирование при помощи гиперспектральных камер.

(Цель исследования) Выявить возможности применения гиперспектральной сьемки для определения стабильности развития растений.

(Материалы и методы) В качестве меры благоприятности воздействия факторов окружающей среды на рост и развитие растений приняли стабильность их развития, численно характеризуемая величиной флуктуирующей асимметрии. Предложили использовать в качестве билатерального признака вегетационные индексы, определяемые по спектрам отражения листа. Объектом исследований в лабораторных условиях стали ювенильные растения огурца. Спектральные характеристики листьев огурца, выращенных под различным спектральным составом излучения, определяли с помощью гиперспектральной камеры Specim IQ. Информацию о спектральных коэффициентах отражения извлекали из полученного гиперкуба данных. Для примера вычисления вели для Normalized Difference Vegetation Index.

(Результаты и обсуждение) Выявили различия в показателях продуктивности растений, выращиваемых под различными спектрами. Отметили существенную частоту встречаемости асимметрии Normalized Difference Vegetation Index по двум половинам поверхности листа огурца. Подтвердили флуктуирующий характер этой асимметрии. Нашли, что при спектре, обеспечивающем большую продуктивность растений, наблюдаются меньшие значения величины флуктуирующей асимметрии, что свидетельствует о большей стабильности развития растений.

(Выводы) Предложили способ определения стабильности развития растения с помощью гиперспектральной камеры. Показали, что он основан на оценке флуктуирующей асимметрии вегетационных индексов, вычисляемых для точек поверхности листа, расположенных в одинаковых условиях относительно границы его левой и правой половин. Согласно предварительной оценке возможности определения стабильности развития по результатам фенотипирования на примере растений огурца показали реализуемость способа и его практическую применимость.

1. Dorokhov А.S., Grishin А.P., Grishin А.А. Printsipy sinergetiki i eksergeticheskogo modelirovaniya dlya upravleniya productsionnymi processami v zakrytykh iskusstvennykh agroekosistemakh (ZIAES) [Principles of synergy and exergy modeling for managing production processes in closed artificial agroecosystems (CAAES)]. Agrotekhnika i energoobespetchenie. 2019. N3(24). 128-139 (In Russian).

2. Rakut’ko S.A., Markova A.E., Mishanov A.P., Rakut’ko E.N. Energoekologiya svetokul’tury - novoe mezhdisciplinarnoe nauchnoe napravlenie [Energyecology of plant lighting is a new interdisciplinary scientific direction]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2016. N90. 14-28 (In Russian).

3. Zorina A. A. Metody statisticheskogo analiza fluktuirujushhej asimmetrii [Methods for statistical analysis of fluctuating asymmetry]. Principy ekologii. 2012. N3. 24-47 (In Russian).

4. Zakharov V.M., Trofimov I.E. Morfogeneticheskij podhod k ocenke zdorov’ja sredy: issledovanie stabil’nosti razvitija [Morphogenetic approach to assessing environmental health: research on developmental stability]. Ontogenez. 2017. Vol. 48. N6. 433‑442 (In Russian).

5. Granier C., Vile D. Phenotyping and beyond: modelling the relationships between traits. Current Opinion in Plant Biology. 2014 Vol. 18. 96-102 (In English).

6. Demidchik V.V., Shashko A.Yu., Bondarenko V.Yu., et al. Fenomika rasteniy: fundamental’nye osnovy, programmno-apparatnye platformy i metody mashinnogo obuchenija [Plant phenomics: fundamental foundations, software and hardware platforms and machine learning methods]. Fiziologiya rasteniy. 2020. Vol. 67. N3. 227-245 (In Russian).

7. Pieruschka R., Schurr U. Perspective plant phenotyping: past, present, and future. Plant Phenomics. 2019. Article 7507131 (In English).

8. Walter A., Liebisch F., Hund A. Plant phenotyping: from bean weighing to image analysis (review). Plant Methods. 2015. Article 14 (In English).

9. Bolger M., Schwacke R., Gundlach H., Schmutzer T., Chen J., Arend D., Oppermann M., Weise S., Lange M., Fiorani F., Spannagl M., Scholz U., Mayer K., Usadel B. From plant genomes to phenotypes. Journal of Biotechnology. 2017. Vol. 261. 46-52 (In English).

10. Fahlgren N., Gehan M.A., Baxter I. Lights, camera, action: high-throughput plant phenotyping is ready for a close-up. Current Opinion in Plant Biology. 2015 .Vol. 24. 93-99 (In English).

11. Afonnikov D.A., Genaev M.A., Doroshkov A.V., Komyshev E.G., Pshenichnikova T.A. Metody vysokoproizvoditel’nogo fenotipirovaniya rasteniy dlya massovykh selekcionno-geneticheskikh eksperimentov [Methods for high-throughput plant phenotyping for mass selection and genetic experiments]. Genetika. 2016. Vol. 52. 788 (In Russian).

12. Alt V.V., Gurova T.A., Elkin O.V., Klimenko D.N., Maximov L.V., Pestunov I.A., Dubrovskaya O.A., Genaev M.A., Erst T.V., Genaev K.A., Komyshev E.G., Khlestkin V.K., Afonnikov D.A. The use of Specim IQ, a hyperspectral camera, for plant analysis. Vavilovskiy Zhurnal Genetiki i Selektsii. 2020. N24(3). 259-266 (In Russian).