eng
TS_pub
technospheramag
technospheramag
ТЕХНОСФЕРА_РИЦ
Выпуск #4/2024
Е. Н. Баранова, О. В. Шелепова, А. А Золотухина, Г. В. Нестеров, К. А. Судариков, В. В. Латушкин, А. А. Гулевич
Применение оптических методов для оценки физиологических повреждений флаговых листьев пшеницы
Применение оптических методов для оценки физиологических повреждений флаговых листьев пшеницы
Просмотры: 896
DOI: 10.22184/1993-7296.FRos.2024.18.4.320.330
В статье исследована возможность применения гиперспектральной и RGB-съемки в качестве быстрого и надежного метода определения содержания хлорофиллов для оценки показателей состояния фотосинтетического аппарата. Приведены результаты исследования связей между спектральными характеристиками отражательной способности флаговых листьев пшеницы, характеристиками их цвета и содержанием хлорофилла в условиях наличия и отсутствия затопления. Установлено, что наиболее точная оценка состояния растений может быть построена на основе вегетационного индекса NDVI705, полученного путем обработки гиперспектральных данных.
В статье исследована возможность применения гиперспектральной и RGB-съемки в качестве быстрого и надежного метода определения содержания хлорофиллов для оценки показателей состояния фотосинтетического аппарата. Приведены результаты исследования связей между спектральными характеристиками отражательной способности флаговых листьев пшеницы, характеристиками их цвета и содержанием хлорофилла в условиях наличия и отсутствия затопления. Установлено, что наиболее точная оценка состояния растений может быть построена на основе вегетационного индекса NDVI705, полученного путем обработки гиперспектральных данных.
Теги: chlorophyll content flag leaf hyperspectral imaging image processing vegetation indices wheat вегетационные индексы гиперспектральная съемка обработка изображений пшеница содержание хлорофиллов флаговый лист
Применение оптических методов для оценки физиологических повреждений флаговых листьев пшеницы
Е. Н. Баранова 1, 2, 3, 4, О. В. Шелепова 2, А. А Золотухина 5, Г. В. Нестеров 5, К. А. Судариков 4, В. В. Латушкин 4, А. А. Гулевич 1
1. Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия
2. Главный ботанический сад Н. В. Цицина Российской академии наук, Москва, Россия
3. Московская сельскохозяйственная академия имени Тимирязева Российский государственный аграрный университет, Москва, Россия
4. АНО Институт стратегии развития, Москва, Россия
5. Научно-технологический центр уникального приборостроения Российской академии наук, Москва, Россия
В статье исследована возможность применения гиперспектральной и RGB-съемки в качестве быстрого и надежного метода определения содержания хлорофиллов для оценки показателей состояния фотосинтетического аппарата. Приведены результаты исследования связей между спектральными характеристиками отражательной способности флаговых листьев пшеницы, характеристиками их цвета и содержанием хлорофилла в условиях наличия и отсутствия затопления. Установлено, что наиболее точная оценка состояния растений может быть построена на основе вегетационного индекса NDVI705, полученного путем обработки гиперспектральных данных.
Ключевые слова: гиперспектральная съемка, вегетационные индексы, обработка изображений, содержание хлорофиллов, флаговый лист, пшеница
Статья получена: 01.04.2024
Статья принята:18.04.2024
ВВЕДЕНИЕ
Условия роста сельскохозяйственных культур определяются взаимосвязью между физиологическими процессами, протекающими в растениях, и факторами окружающей среды, такими как солнечное излучение, температура, наличие воды и питательных веществ. Ряд исследований показал возможность оценки статуса сельскохозяйственных культур на основе измерения содержания хлорофилла в листьях на определенных стадиях их развития [1, 2]. Фотосинтетические пигменты тесно связаны с физиологическим состоянием растения и его продуктивностью. На начальных стадиях стресса изменения в содержании хлорофилла в растениях могут быть незначительными, однако с увеличением уровня стресса его содержание снижается быстрее в сравнении с другими пигментами. Фланговые листья пшеницы представляют основной фотосинтетический инструмент, обеспечивающий питание и налив колоса после оплодотворения. По этой причине нарушения формирования этого листа на таких переходных стадиях, как выход в трубку и колошение, а также цветение, могут ключевым образом ограничить продуктивность растений пшеницы [3]. Состояние фотосинтетической системы и ее продуктивность наиболее четко идентифицируют по количеству и соотношению пигментов, обеспечивающих эффективную работу фиксирования световой энергии в химическую и расположенных в ламеллярных мембранах хлоропластов.
Лабораторный метод измерения концентрации хлорофилла в листьях растений, основанный на спектрофотометрии [4, 5], является золотым стандартом в характеристике состояния и диагностике повреждений фотосинтетического аппарата. Однако в связи с необходимостью пробоподготовки он весьма трудоемок, затратен по времени и ресурсам, а также ограничен в возможности определения пространственного распределения содержания пигмента в полевых условиях. В настоящее время предложены альтернативные неинвазивные методы мониторинга физиологического состояния растений средствами гиперспектральной и мультиспектральной съемки [6, 7]. Для редуцирования гиперспектральных данных были предложены вегетационные индексы [8], представляющие собой математическую комбинацию отражательной способности растений в наиболее чувствительных к содержанию пигмента спектральных диапазонах. Однако большинство таких индексов разработано для двудольных растений, и в меньшей степени апробировано на однодольных, в частности, на пшенице. Наиболее доступным вариантом мультиспектральной съемки является регистрация, обработка и интерпретация RGB-изображений [9] с целью оценки характеристик цвета растительности. Целью данной работы является сравнение эффективности определения содержания хлорофилла в флаговых листьях пшеницы с помощью гиперспектральной и RGB-съемки. Для этого был проведен корреляционный анализ связи между характеристиками цвета, спектральным коэффициентом отражения образцов и содержанием в них пигментов, полученного с помощью спектрофотометрического анализа.
МАТЕРИАЛЫ И МЕТОДЫ
Растительный материал
Растения твердой яровой пшеницы сорта Оренбургская 10 (Triticum durum Desf.) выращивали в специально разработанных сетчатых контейнерах 30 × 9 × 9 см в условиях, имитирующих естественные параметры освещения со световым днем 16 / 8, температурные условия 26 / 22 и условия влажности с помощью модуля Синерготрон ИСР11.02.220 (ИСР, Москва). В синерготронах культивировали по 99 растений и поддерживали одинаковые режимы на протяжении всего эксперимента. Для выявления эффектов временного затопления на стадии выхода в трубку использовали имитацию временных условий затопления, характерных для полевых условий при выпадении более чем месячной нормы осадков, особенно для участков с понижениями рельефа. Длительность корневого затопления соответствовала 14 суткам, при этом поддерживали влажность в диапазоне 80–100%. За этот период наблюдали переход от стадии выхода в трубку (с отходящим под прямым углом флаговым листом) к колошению (с увеличением длины и площади флаговых листьев), сопровождающийся изменением окраски с явным снижением хлорофилла. Когда колос уже был частично или полностью выдвинут из обкладки, была проведена регистрация спектральных и RGB изображений флаговых листьев с помощью акустооптической гиперспектрометра [10] и камеры Alvium 1800 U, оснащенной объективом с фокусным расстоянием 25 мм и угловым полем 16,5°.Объем выборки составил 15 растений пшеницы, что является минимально допустимым для получения достоверных данных при рандомизированном выборе [11].
Экспериментальное определение хлорофиллов во флаговом листе пшеницы
Для получения экспериментальных значений содержания хлорофилла a, хлорофилла b, а также их общего содержания проводился спектрофотометрический анализ, подробно описанный в работе [12]. Для анализа использовали участок флагового листа пшеницы на расстоянии 1,5 см от его основания и фиксировали площадь и массу данного участка.
Спектр поглощения приготовленных растворов, измеренный на спектрофотометре Spekol 1300 (Analitik Jena AG, Йена, Германия), позволяет определить оптическую плотность D на красных пиках хлорофилла a (Chl a) и хлорофилла b (Chl b), т. е. на длинах волн 648,6 нм и 664,1 нм. Измерения концентрации пигментов проводили в трехкратной повторности, а в расчетах использовали усредненные значения.
Регистрация и обработка гиперспектральных данных
Спектральная съемка растительных образцов пшеницы, освещенных галогенным источником мощностью 150 Вт, была проведена с помощью акустооптического гиперспектрометра. Флаговые листья помещали на белую однородную пластину со спектральным коэффициентом отражения, близким к единице. В результате съемки были получены спектральные изображения образцов и референсной пластины в диапазоне 450–850 нм с шагом 2 нм.
С целью исключения влияния спектральной и пространственной неоднородности освещенности образцов, спектральных характеристик приемника излучения и искажений оптики, таких как виньетирование, зависимость пропускания оптических компонентов и зависимости эффективности акустооптической дифракции от длины волны, была проведена коррекция данных методом равномерного поля [13].
Обработка RGB-изображений
Параллельно спектральной съемке была проведена регистрация RGB-изображений с сохранением условий освещения и наблюдения образцов. Поскольку известно, что RGB–пространство не всегда правильно отображает значение зеленого цвета растений [14], было произведено преобразование изображений в цветовую модель HSV (Hue, Saturation, Brightness), где Hue – цветовой тон, который варьируется в пределах 0–360°. Путем усреднения значений по площади каждого образца, были получены данные о характеристиках цвета образцов для определения их взаимосвязи с содержанием хлорофилла, определенным лабораторным методом.
Результаты
Аналитическое определение содержания хлорофиллов во флаговом листе пшеницы при затоплении
Результаты количественного определения содержания хлорофилла a, хлорофилла b и общего содержания хлорофиллов в флаговом листе пшеницы были получены согласно описанной методике и результаты представлены в табл. 1.
Корреляционный анализ связи между содержанием хлорофилла, значениями вегетационных индексов и характеристиками цвета
После обработки RGB-изображений мы получили расчетные значения Hue для каждого образца пшеницы. В табл. 2 приведены усредненные значения характеристик цвета и содержания пигментов в контрольных листьях растений и тех, что были выращены в условиях затопления.
Коэффициент корреляции Пирсона, который является математической мерой корреляции двух величин, в случае определения взаимосвязи параметров Hue и Chl sum образцов составил r = 0,67.
В результате обработки гиперспектральных данных, описанной в работе [15], были получены пространственные распределения 10 вегетационных индексов, чувствительных к концентрации хлорофилла в листьях растений: CIRE, MSR705, MTCI, MCARI, MCARI/OSAVI, NDVI705, OSAVI, RECAI, RSI, SR705. Так как для аналитического анализа содержания хлорофилла был выбран определенный участок флагового листа пшеницы, посредством ручного выделения областей изображения, относящихся к использованной для спектрофотометрического анализа части листа, были определены средние значения набора индексов для каждого из образцов. Корреляционный анализ связи между аналитическим содержанием суммарного хлорофилла в образцах и усредненными по его площади значениями вегетационных индексов проведен с помощью линейной регрессии (табл. 3).
Наиболее сильная взаимосвязь была выявлена между результатами спектрофотометрического анализа содержания суммарного хлорофилла и вегетационным индексом – Normalized Difference Vegetation Index NDVI705 [16] (r = 0,91). Полученные эмпирические линейные модели, определяющие взаимосвязь содержания хлорофилла с характеристикой цвета Hue и вегетационным индексом NDVI705, показаны на рисунках 1а и 1b, соответственно.
Поскольку в результате корреляционного анализа более тесную связь с содержанием хлорофилла показал индекс NDVI705, путем применения полученной эмпирической модели к каждому пространственному элементу карты индекса было получено распределение содержания суммарного хлорофилла в образцах флагового листа пшеницы (рис. 2).
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
Корневое затопление, вызванное сильными осадками или временным заболачиванием, является частой причиной снижения продуктивности пшеницы, так как этот вид злаков, в отличие от риса и кукурузы, не способен к образованию аэренхимы в корнях и не могут нормализовать дыхание и, соответственно, энергетические процессы по обеспечению тургора транспирации. Это приводит к нарушению работы фотосинтетической системы и существенному увеличению концентрации СО2 в межклеточном пространстве [17].
Устьичная регуляция нарушается, и усугубляется избыточной потерей воды, которая не компенсируется восходящим притоком. Деградация фотосинтетической системы приводит к потере зеленой окраски. Листья приобретают оливковый и/или желтоватый оттенок (рис. 2). Такое изменение цветового тона можно определить с помощью RGB-съемки, однако определение с ее помощью количественного содержания хлорофилла показало более низкую эффективность, чем анализ гиперспектральных данных образцов.
Корреляция результатов спектрофотометрического анализа содержания хлорофиллов с данными, полученными методом обработки гиперспектральных и RGB-изображений, демонстрирует хорошие перспективы использования данного подхода для быстрого и надежного определения содержания хлорофиллов в качестве показателей состояния фотосинтетического аппарата. Возможность определения пространственного распределения концентрации хлорофиллов позволяет существенно сократить количество трудоемких аналитических спектрофотометрических анализов содержания в образцах растений пшеницы.
ЗАКЛЮЧЕНИЕ
По нашим данным, можно констатировать, что перспективы использования вегетационных индексов и значений цветового тона, полученных при обработке гиперспектральных данных и RGB-изображений, довольно высоки. Оценка на основе узкополосных вегетационных индексов значительно превышает по точности результаты, полученные с помощью RGB съемки, однако для предварительной оценки при условии хорошего освещения оба метода могут быть рассмотрены в качестве альтернативы спектрофотометрическим анализам, требующим больших временных затрат и сложной пробоподготовки.
БЛАГОДАРНОСТЬ
Работа над данной статьей проводилась в рамках выполнения государственного задания ГБС РАН (№ 124030100058-4) (анализа реакции растений на абиотический стресс и аналитического определения содержания хлорофилла в образцах растений); в рамках выполнения государственного задания НТЦ УП РАН (проект FFNS‑2022-0010) (разработка методик регистрации и обработки спектральных изображений); в соответствие с заданием № 0431-2022-0003 (ВНИИСБ), в соответствии с договором № 075-15-2020-905 о предоставлении гранта № 2744‑р (НК «Агротехнологии будущего», по гранту РГАУ-МТАА) Министерства науки и высшего образования РФ (постановка эксперимента и планирование). Результаты работы получены с использованием оборудования Центра коллективного пользования Научно-технологического центра уникального приборостроения РАН (НТЦ УП РАН) [http://ckp.ntcup.ru] а также при использовании Модулей Синерготрон ИСР11.02.220 (АНО Институт Стратегии Развития).
REFERENCES
Houborg R., McCabe M. F., Cescatti A., Gitelson A. A. Leaf chlorophyll constraint on model simulated gross primary productivity in agricultural systems. International Journal of Applied Earth Observation Geoinformation. 2015; 43: 160–176. DOI: 10.1016/j.jag.2015.03.016.
Dai W., Girdthai T., Huang Z., Ketudat-Cairns M., Tang R., Wang S. Genetic analysis for anthocyanin and chlorophyll contents in rapeseed. Ciência Rural. 2016; 46(5): 790–795. DOI: 10.1590/0103‑8478cr20150564.
Luo F., Deng X., Liu Y., Yan Y. Identification of phosphorylation proteins in response to water deficit during wheat flag leaf and grain development. Botanical Studies. 2018; 59: 28. DOI: 10.1186/s40529‑018‑0245‑7.
Thrane J. E., Kyle M., Striebel M., Haande S., Grung M., Rohrlack T., Andersen T. Spectrophotometric analysis of pigments: a critical assessment of a high-throughput method for analysis of algal pigment mixtures by spectral deconvolution. PloS One. 2015; 10(9): e0137645. DOI: 10.1371/journal.pone.0137645.
Wellburn A. R. The spectral determination of chlorophylls a and b, as well as total carotenoids, using various solvents with spectrophotometers of different resolution. Journal of Plant Physiology. 1994; 144(3): 307–313. DOI: 10.1016/S0176‑1617(11)81192‑2.
Qiao L., Tang W., Gao D., Zhao R., An L., Li M., Sun H., Song D. UAV-based chlorophyll content estimation by evaluating vegetation index responses under different crop coverages. Computers and Electronics in Agriculture. 2022; 196: 106775. DOI: 10.1016/j.compag.2022.106775.
Gudkov S. V., Sarimov R. M., Astashev M. E., Pishchal’nikov R. YU., YAnykin D. V., Simakin A. V., et al. Sovremennye fizicheskie metody i tekhnologii v sel’skom hozyajstve. Uspekhi fizicheskih nauk. 2024; 194(2): 208–226. DOI: 10.3367/UFNr.2023.09.039577.
Гудков С. В., Саримов Р. М., Асташев М. Е., Пищальников Р. Ю., Яныкин Д. В., Симакин А. В., и др. Современные физические методы и технологии в сельском хозяйстве. Успехи физических наук. 2024; 194(2): 208–226. DOI: 10.3367/UFNr.2023.09.039577.
YAkushev V. P., Kanash E. V., Rusakov D. V., YAkushev V. V., Blohina S. YU., Petrushin A. F., Blohin YU.I., Mitrofanova O. A., Mitrofanov E. P. Korrelyacionnye zavisimosti mezhdu vegetacionnymi indeksami, urozhaem zerna i opticheskimi harakteristikami list’ev pshenicy pri raznom soderzhanii v pochve azota i gustote poseva. Sel’skohozyajstvennaya biologiya. 2022; 57(1), 98–112. DOI: 10.15389/agrobiology.2022.1.98eng.
Якушев В. П., Канаш Е. В., Русаков Д. В., Якушев В. В., Блохина С. Ю., Петрушин А. Ф., Блохин Ю. И., Митрофанова О. А., Митрофанов Е. П. Корреляционные зависимости между вегетационными индексами, урожаем зерна и оптическими характеристиками листьев пшеницы при разном содержании в почве азота и густоте посева. Сельскохозяйственная биология. 2022; 57(1), 98–112. DOI: 10.15389/agrobiology.2022.1.98eng.
Agarwal A., Dongre P. K., Dutta Gupta S. Smartphone-assisted real-time estimation of chlorophyll and carotenoid concentrations and ratio using the inverse of red and green digital color features. Theoretical and Experimental Plant Physiology. 2021; 33(3): 293–302. DOI: 10.1007/s40626‑021‑00210‑4.
Pozhar V. E., Machikhin A. S., Gaponov M. I., Shirokov S. V., Mazur M. M., Sheryshev A. E. Hyper-spectrometer Based on an Acousto-optic Tuneable Filters for UAVS. Light & Engineering. 2018. 27(3): 99–104. DOI: 10.33383/2018‑029.
Smiryaev A. V., Hucapariya T. I. Optimizaciya ob»ema vyborki rastenij, izmeryaemyh pri odnoletnem i mnogoletnem sortoispytanii myagkoj yarovoj pshenicy. Izvestiya Timiryazevskoj sel’skohozyajstvennoj akademii. 2014; 3: 139–144. DOI: 10.34677/0021‑342x.
Смиряев А. В., Хуцапария Т. И. Оптимизация объема выборки растений, измеряемых при однолетнем и многолетнем сортоиспытании мягкой яровой пшеницы. Известия Тимирязевской сельскохозяйственной академии. 2014; 3: 139–144. DOI: 10.34677/0021‑342x.
Lichtenthaler H. K., Buschmann C. Chlorophylls and carotenoids: Measurement and characterization by UV-VIS spectroscopy. Current Protocols of Food and Analytical Chemistry. 2001; 1: 1–8. DOI:10.1002/0471142913.faf0403s01.
Pu R. Hyperspectral remote sensing: Fundamentals and practices. Hyperspectral Remote Sensing: Fundamentals and Practices. CRC Press, 2017. p. 1–466. DOI: 10.1201/9781315120607.
Yang W., Wang S., Zhao X., Zhang J., Feng J. Greenness identification based on HSV decision tree. Information Processing in Agriculture. 2015. 2(3–4): 149–160. DOI: 10.1016/j.inpa.2015.07.003.
Zolotukhina A., Machikhin A., Guryleva A., Gresis V., Tedeeva V. Extraction of chlorophyll concentration maps from AOTF hyperspectral imagery. Frontiers in Environmental Science. 2023; 11: 480. DOI: 10.3389/fenvs.2023.1152450.
Sims D. A., Gamon J. A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote Sensing of Environment. Elsevier, 2002; 81(2–3): 337–354. DOI: 10.1016/S0034‑4257(02)00010‑X.
Hong-jie W.A.N.G., Wen-yang L.I., Qing-qin S.H.A.O., Feng X. U., Cong-yu Z.H.A.N.G., Su-hui Y.A.N. Effect of waterlogging on photosynthetic characteristics of wheat flag leaves during grain filling and recovery effect of water stress relief. Chinese Journal of Agrometeorology. 2019; 40(07): 460. DOI: 10.3969/j.issn.1000‑6362.2019.07.005.
АВТОРЫ
Е. Н. Баранова, к. б. н., в. н. с., Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия; м. н. с., Главный ботанический сад им. Н. В. Цицина РАН, Москва, Россия; доцент, Московская сельскохозяйственная академия имени Тимирязева Российский государственный аграрный университет, Москва, Россия; научный консультант, АНО Институт стратегии развития, Москва, Россия.
ORCID: 0000-0001-8169-9228.
О. В. Шелепова, к. б. н., в. н. с., Главный ботанический сад им. Н. В. Цицина РАН, Москва, Россия.
ORCID: 0000-0003-2011-6054.
А. А. Золотухина, инженер-исследователь, Научно-технологический центр уникального приборостроения РАН, Москва, Россия.
ORCID: 0000-0003-1043-7014.
Г. В. Нестеров, инженер-исследователь, Научно-технологический центр уникального приборостроения РАН, Москва, Россия.
ORCID: 0009-0000-8647-6170.
К. А. Судариков, инженер-исследователь, АНО Институт стратегии развития, Москва, Россия.
ORCID: 0009-0005-8734-1223.
В. В. Латушкин, к. б. н., c. н. с., АНО Институт стратегии развития, Москва, Россия.
ORCID: 0000-0003-1406-8965.
А. А. Гулевич, к. б. н., c. н. с., Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия.
ORCID: 0000-0003-4399-2903.
КОНФЛИКТ ИНТЕРЕСОВ
Авторы заявляют, что у них нет конфликта интересов.
Все авторы приняли участие в написании статьи и дополнили рукопись в части своей работы.
ВКЛАД ЧЛЕНОВ
АВТОРСКОГО КОЛЛЕКТИВА
Статья подготовлена на основе работы всех членов авторского коллектива.
Е. Н. Баранова 1, 2, 3, 4, О. В. Шелепова 2, А. А Золотухина 5, Г. В. Нестеров 5, К. А. Судариков 4, В. В. Латушкин 4, А. А. Гулевич 1
1. Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия
2. Главный ботанический сад Н. В. Цицина Российской академии наук, Москва, Россия
3. Московская сельскохозяйственная академия имени Тимирязева Российский государственный аграрный университет, Москва, Россия
4. АНО Институт стратегии развития, Москва, Россия
5. Научно-технологический центр уникального приборостроения Российской академии наук, Москва, Россия
В статье исследована возможность применения гиперспектральной и RGB-съемки в качестве быстрого и надежного метода определения содержания хлорофиллов для оценки показателей состояния фотосинтетического аппарата. Приведены результаты исследования связей между спектральными характеристиками отражательной способности флаговых листьев пшеницы, характеристиками их цвета и содержанием хлорофилла в условиях наличия и отсутствия затопления. Установлено, что наиболее точная оценка состояния растений может быть построена на основе вегетационного индекса NDVI705, полученного путем обработки гиперспектральных данных.
Ключевые слова: гиперспектральная съемка, вегетационные индексы, обработка изображений, содержание хлорофиллов, флаговый лист, пшеница
Статья получена: 01.04.2024
Статья принята:18.04.2024
ВВЕДЕНИЕ
Условия роста сельскохозяйственных культур определяются взаимосвязью между физиологическими процессами, протекающими в растениях, и факторами окружающей среды, такими как солнечное излучение, температура, наличие воды и питательных веществ. Ряд исследований показал возможность оценки статуса сельскохозяйственных культур на основе измерения содержания хлорофилла в листьях на определенных стадиях их развития [1, 2]. Фотосинтетические пигменты тесно связаны с физиологическим состоянием растения и его продуктивностью. На начальных стадиях стресса изменения в содержании хлорофилла в растениях могут быть незначительными, однако с увеличением уровня стресса его содержание снижается быстрее в сравнении с другими пигментами. Фланговые листья пшеницы представляют основной фотосинтетический инструмент, обеспечивающий питание и налив колоса после оплодотворения. По этой причине нарушения формирования этого листа на таких переходных стадиях, как выход в трубку и колошение, а также цветение, могут ключевым образом ограничить продуктивность растений пшеницы [3]. Состояние фотосинтетической системы и ее продуктивность наиболее четко идентифицируют по количеству и соотношению пигментов, обеспечивающих эффективную работу фиксирования световой энергии в химическую и расположенных в ламеллярных мембранах хлоропластов.
Лабораторный метод измерения концентрации хлорофилла в листьях растений, основанный на спектрофотометрии [4, 5], является золотым стандартом в характеристике состояния и диагностике повреждений фотосинтетического аппарата. Однако в связи с необходимостью пробоподготовки он весьма трудоемок, затратен по времени и ресурсам, а также ограничен в возможности определения пространственного распределения содержания пигмента в полевых условиях. В настоящее время предложены альтернативные неинвазивные методы мониторинга физиологического состояния растений средствами гиперспектральной и мультиспектральной съемки [6, 7]. Для редуцирования гиперспектральных данных были предложены вегетационные индексы [8], представляющие собой математическую комбинацию отражательной способности растений в наиболее чувствительных к содержанию пигмента спектральных диапазонах. Однако большинство таких индексов разработано для двудольных растений, и в меньшей степени апробировано на однодольных, в частности, на пшенице. Наиболее доступным вариантом мультиспектральной съемки является регистрация, обработка и интерпретация RGB-изображений [9] с целью оценки характеристик цвета растительности. Целью данной работы является сравнение эффективности определения содержания хлорофилла в флаговых листьях пшеницы с помощью гиперспектральной и RGB-съемки. Для этого был проведен корреляционный анализ связи между характеристиками цвета, спектральным коэффициентом отражения образцов и содержанием в них пигментов, полученного с помощью спектрофотометрического анализа.
МАТЕРИАЛЫ И МЕТОДЫ
Растительный материал
Растения твердой яровой пшеницы сорта Оренбургская 10 (Triticum durum Desf.) выращивали в специально разработанных сетчатых контейнерах 30 × 9 × 9 см в условиях, имитирующих естественные параметры освещения со световым днем 16 / 8, температурные условия 26 / 22 и условия влажности с помощью модуля Синерготрон ИСР11.02.220 (ИСР, Москва). В синерготронах культивировали по 99 растений и поддерживали одинаковые режимы на протяжении всего эксперимента. Для выявления эффектов временного затопления на стадии выхода в трубку использовали имитацию временных условий затопления, характерных для полевых условий при выпадении более чем месячной нормы осадков, особенно для участков с понижениями рельефа. Длительность корневого затопления соответствовала 14 суткам, при этом поддерживали влажность в диапазоне 80–100%. За этот период наблюдали переход от стадии выхода в трубку (с отходящим под прямым углом флаговым листом) к колошению (с увеличением длины и площади флаговых листьев), сопровождающийся изменением окраски с явным снижением хлорофилла. Когда колос уже был частично или полностью выдвинут из обкладки, была проведена регистрация спектральных и RGB изображений флаговых листьев с помощью акустооптической гиперспектрометра [10] и камеры Alvium 1800 U, оснащенной объективом с фокусным расстоянием 25 мм и угловым полем 16,5°.Объем выборки составил 15 растений пшеницы, что является минимально допустимым для получения достоверных данных при рандомизированном выборе [11].
Экспериментальное определение хлорофиллов во флаговом листе пшеницы
Для получения экспериментальных значений содержания хлорофилла a, хлорофилла b, а также их общего содержания проводился спектрофотометрический анализ, подробно описанный в работе [12]. Для анализа использовали участок флагового листа пшеницы на расстоянии 1,5 см от его основания и фиксировали площадь и массу данного участка.
Спектр поглощения приготовленных растворов, измеренный на спектрофотометре Spekol 1300 (Analitik Jena AG, Йена, Германия), позволяет определить оптическую плотность D на красных пиках хлорофилла a (Chl a) и хлорофилла b (Chl b), т. е. на длинах волн 648,6 нм и 664,1 нм. Измерения концентрации пигментов проводили в трехкратной повторности, а в расчетах использовали усредненные значения.
Регистрация и обработка гиперспектральных данных
Спектральная съемка растительных образцов пшеницы, освещенных галогенным источником мощностью 150 Вт, была проведена с помощью акустооптического гиперспектрометра. Флаговые листья помещали на белую однородную пластину со спектральным коэффициентом отражения, близким к единице. В результате съемки были получены спектральные изображения образцов и референсной пластины в диапазоне 450–850 нм с шагом 2 нм.
С целью исключения влияния спектральной и пространственной неоднородности освещенности образцов, спектральных характеристик приемника излучения и искажений оптики, таких как виньетирование, зависимость пропускания оптических компонентов и зависимости эффективности акустооптической дифракции от длины волны, была проведена коррекция данных методом равномерного поля [13].
Обработка RGB-изображений
Параллельно спектральной съемке была проведена регистрация RGB-изображений с сохранением условий освещения и наблюдения образцов. Поскольку известно, что RGB–пространство не всегда правильно отображает значение зеленого цвета растений [14], было произведено преобразование изображений в цветовую модель HSV (Hue, Saturation, Brightness), где Hue – цветовой тон, который варьируется в пределах 0–360°. Путем усреднения значений по площади каждого образца, были получены данные о характеристиках цвета образцов для определения их взаимосвязи с содержанием хлорофилла, определенным лабораторным методом.
Результаты
Аналитическое определение содержания хлорофиллов во флаговом листе пшеницы при затоплении
Результаты количественного определения содержания хлорофилла a, хлорофилла b и общего содержания хлорофиллов в флаговом листе пшеницы были получены согласно описанной методике и результаты представлены в табл. 1.
Корреляционный анализ связи между содержанием хлорофилла, значениями вегетационных индексов и характеристиками цвета
После обработки RGB-изображений мы получили расчетные значения Hue для каждого образца пшеницы. В табл. 2 приведены усредненные значения характеристик цвета и содержания пигментов в контрольных листьях растений и тех, что были выращены в условиях затопления.
Коэффициент корреляции Пирсона, который является математической мерой корреляции двух величин, в случае определения взаимосвязи параметров Hue и Chl sum образцов составил r = 0,67.
В результате обработки гиперспектральных данных, описанной в работе [15], были получены пространственные распределения 10 вегетационных индексов, чувствительных к концентрации хлорофилла в листьях растений: CIRE, MSR705, MTCI, MCARI, MCARI/OSAVI, NDVI705, OSAVI, RECAI, RSI, SR705. Так как для аналитического анализа содержания хлорофилла был выбран определенный участок флагового листа пшеницы, посредством ручного выделения областей изображения, относящихся к использованной для спектрофотометрического анализа части листа, были определены средние значения набора индексов для каждого из образцов. Корреляционный анализ связи между аналитическим содержанием суммарного хлорофилла в образцах и усредненными по его площади значениями вегетационных индексов проведен с помощью линейной регрессии (табл. 3).
Наиболее сильная взаимосвязь была выявлена между результатами спектрофотометрического анализа содержания суммарного хлорофилла и вегетационным индексом – Normalized Difference Vegetation Index NDVI705 [16] (r = 0,91). Полученные эмпирические линейные модели, определяющие взаимосвязь содержания хлорофилла с характеристикой цвета Hue и вегетационным индексом NDVI705, показаны на рисунках 1а и 1b, соответственно.
Поскольку в результате корреляционного анализа более тесную связь с содержанием хлорофилла показал индекс NDVI705, путем применения полученной эмпирической модели к каждому пространственному элементу карты индекса было получено распределение содержания суммарного хлорофилла в образцах флагового листа пшеницы (рис. 2).
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
Корневое затопление, вызванное сильными осадками или временным заболачиванием, является частой причиной снижения продуктивности пшеницы, так как этот вид злаков, в отличие от риса и кукурузы, не способен к образованию аэренхимы в корнях и не могут нормализовать дыхание и, соответственно, энергетические процессы по обеспечению тургора транспирации. Это приводит к нарушению работы фотосинтетической системы и существенному увеличению концентрации СО2 в межклеточном пространстве [17].
Устьичная регуляция нарушается, и усугубляется избыточной потерей воды, которая не компенсируется восходящим притоком. Деградация фотосинтетической системы приводит к потере зеленой окраски. Листья приобретают оливковый и/или желтоватый оттенок (рис. 2). Такое изменение цветового тона можно определить с помощью RGB-съемки, однако определение с ее помощью количественного содержания хлорофилла показало более низкую эффективность, чем анализ гиперспектральных данных образцов.
Корреляция результатов спектрофотометрического анализа содержания хлорофиллов с данными, полученными методом обработки гиперспектральных и RGB-изображений, демонстрирует хорошие перспективы использования данного подхода для быстрого и надежного определения содержания хлорофиллов в качестве показателей состояния фотосинтетического аппарата. Возможность определения пространственного распределения концентрации хлорофиллов позволяет существенно сократить количество трудоемких аналитических спектрофотометрических анализов содержания в образцах растений пшеницы.
ЗАКЛЮЧЕНИЕ
По нашим данным, можно констатировать, что перспективы использования вегетационных индексов и значений цветового тона, полученных при обработке гиперспектральных данных и RGB-изображений, довольно высоки. Оценка на основе узкополосных вегетационных индексов значительно превышает по точности результаты, полученные с помощью RGB съемки, однако для предварительной оценки при условии хорошего освещения оба метода могут быть рассмотрены в качестве альтернативы спектрофотометрическим анализам, требующим больших временных затрат и сложной пробоподготовки.
БЛАГОДАРНОСТЬ
Работа над данной статьей проводилась в рамках выполнения государственного задания ГБС РАН (№ 124030100058-4) (анализа реакции растений на абиотический стресс и аналитического определения содержания хлорофилла в образцах растений); в рамках выполнения государственного задания НТЦ УП РАН (проект FFNS‑2022-0010) (разработка методик регистрации и обработки спектральных изображений); в соответствие с заданием № 0431-2022-0003 (ВНИИСБ), в соответствии с договором № 075-15-2020-905 о предоставлении гранта № 2744‑р (НК «Агротехнологии будущего», по гранту РГАУ-МТАА) Министерства науки и высшего образования РФ (постановка эксперимента и планирование). Результаты работы получены с использованием оборудования Центра коллективного пользования Научно-технологического центра уникального приборостроения РАН (НТЦ УП РАН) [http://ckp.ntcup.ru] а также при использовании Модулей Синерготрон ИСР11.02.220 (АНО Институт Стратегии Развития).
REFERENCES
Houborg R., McCabe M. F., Cescatti A., Gitelson A. A. Leaf chlorophyll constraint on model simulated gross primary productivity in agricultural systems. International Journal of Applied Earth Observation Geoinformation. 2015; 43: 160–176. DOI: 10.1016/j.jag.2015.03.016.
Dai W., Girdthai T., Huang Z., Ketudat-Cairns M., Tang R., Wang S. Genetic analysis for anthocyanin and chlorophyll contents in rapeseed. Ciência Rural. 2016; 46(5): 790–795. DOI: 10.1590/0103‑8478cr20150564.
Luo F., Deng X., Liu Y., Yan Y. Identification of phosphorylation proteins in response to water deficit during wheat flag leaf and grain development. Botanical Studies. 2018; 59: 28. DOI: 10.1186/s40529‑018‑0245‑7.
Thrane J. E., Kyle M., Striebel M., Haande S., Grung M., Rohrlack T., Andersen T. Spectrophotometric analysis of pigments: a critical assessment of a high-throughput method for analysis of algal pigment mixtures by spectral deconvolution. PloS One. 2015; 10(9): e0137645. DOI: 10.1371/journal.pone.0137645.
Wellburn A. R. The spectral determination of chlorophylls a and b, as well as total carotenoids, using various solvents with spectrophotometers of different resolution. Journal of Plant Physiology. 1994; 144(3): 307–313. DOI: 10.1016/S0176‑1617(11)81192‑2.
Qiao L., Tang W., Gao D., Zhao R., An L., Li M., Sun H., Song D. UAV-based chlorophyll content estimation by evaluating vegetation index responses under different crop coverages. Computers and Electronics in Agriculture. 2022; 196: 106775. DOI: 10.1016/j.compag.2022.106775.
Gudkov S. V., Sarimov R. M., Astashev M. E., Pishchal’nikov R. YU., YAnykin D. V., Simakin A. V., et al. Sovremennye fizicheskie metody i tekhnologii v sel’skom hozyajstve. Uspekhi fizicheskih nauk. 2024; 194(2): 208–226. DOI: 10.3367/UFNr.2023.09.039577.
Гудков С. В., Саримов Р. М., Асташев М. Е., Пищальников Р. Ю., Яныкин Д. В., Симакин А. В., и др. Современные физические методы и технологии в сельском хозяйстве. Успехи физических наук. 2024; 194(2): 208–226. DOI: 10.3367/UFNr.2023.09.039577.
YAkushev V. P., Kanash E. V., Rusakov D. V., YAkushev V. V., Blohina S. YU., Petrushin A. F., Blohin YU.I., Mitrofanova O. A., Mitrofanov E. P. Korrelyacionnye zavisimosti mezhdu vegetacionnymi indeksami, urozhaem zerna i opticheskimi harakteristikami list’ev pshenicy pri raznom soderzhanii v pochve azota i gustote poseva. Sel’skohozyajstvennaya biologiya. 2022; 57(1), 98–112. DOI: 10.15389/agrobiology.2022.1.98eng.
Якушев В. П., Канаш Е. В., Русаков Д. В., Якушев В. В., Блохина С. Ю., Петрушин А. Ф., Блохин Ю. И., Митрофанова О. А., Митрофанов Е. П. Корреляционные зависимости между вегетационными индексами, урожаем зерна и оптическими характеристиками листьев пшеницы при разном содержании в почве азота и густоте посева. Сельскохозяйственная биология. 2022; 57(1), 98–112. DOI: 10.15389/agrobiology.2022.1.98eng.
Agarwal A., Dongre P. K., Dutta Gupta S. Smartphone-assisted real-time estimation of chlorophyll and carotenoid concentrations and ratio using the inverse of red and green digital color features. Theoretical and Experimental Plant Physiology. 2021; 33(3): 293–302. DOI: 10.1007/s40626‑021‑00210‑4.
Pozhar V. E., Machikhin A. S., Gaponov M. I., Shirokov S. V., Mazur M. M., Sheryshev A. E. Hyper-spectrometer Based on an Acousto-optic Tuneable Filters for UAVS. Light & Engineering. 2018. 27(3): 99–104. DOI: 10.33383/2018‑029.
Smiryaev A. V., Hucapariya T. I. Optimizaciya ob»ema vyborki rastenij, izmeryaemyh pri odnoletnem i mnogoletnem sortoispytanii myagkoj yarovoj pshenicy. Izvestiya Timiryazevskoj sel’skohozyajstvennoj akademii. 2014; 3: 139–144. DOI: 10.34677/0021‑342x.
Смиряев А. В., Хуцапария Т. И. Оптимизация объема выборки растений, измеряемых при однолетнем и многолетнем сортоиспытании мягкой яровой пшеницы. Известия Тимирязевской сельскохозяйственной академии. 2014; 3: 139–144. DOI: 10.34677/0021‑342x.
Lichtenthaler H. K., Buschmann C. Chlorophylls and carotenoids: Measurement and characterization by UV-VIS spectroscopy. Current Protocols of Food and Analytical Chemistry. 2001; 1: 1–8. DOI:10.1002/0471142913.faf0403s01.
Pu R. Hyperspectral remote sensing: Fundamentals and practices. Hyperspectral Remote Sensing: Fundamentals and Practices. CRC Press, 2017. p. 1–466. DOI: 10.1201/9781315120607.
Yang W., Wang S., Zhao X., Zhang J., Feng J. Greenness identification based on HSV decision tree. Information Processing in Agriculture. 2015. 2(3–4): 149–160. DOI: 10.1016/j.inpa.2015.07.003.
Zolotukhina A., Machikhin A., Guryleva A., Gresis V., Tedeeva V. Extraction of chlorophyll concentration maps from AOTF hyperspectral imagery. Frontiers in Environmental Science. 2023; 11: 480. DOI: 10.3389/fenvs.2023.1152450.
Sims D. A., Gamon J. A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote Sensing of Environment. Elsevier, 2002; 81(2–3): 337–354. DOI: 10.1016/S0034‑4257(02)00010‑X.
Hong-jie W.A.N.G., Wen-yang L.I., Qing-qin S.H.A.O., Feng X. U., Cong-yu Z.H.A.N.G., Su-hui Y.A.N. Effect of waterlogging on photosynthetic characteristics of wheat flag leaves during grain filling and recovery effect of water stress relief. Chinese Journal of Agrometeorology. 2019; 40(07): 460. DOI: 10.3969/j.issn.1000‑6362.2019.07.005.
АВТОРЫ
Е. Н. Баранова, к. б. н., в. н. с., Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия; м. н. с., Главный ботанический сад им. Н. В. Цицина РАН, Москва, Россия; доцент, Московская сельскохозяйственная академия имени Тимирязева Российский государственный аграрный университет, Москва, Россия; научный консультант, АНО Институт стратегии развития, Москва, Россия.
ORCID: 0000-0001-8169-9228.
О. В. Шелепова, к. б. н., в. н. с., Главный ботанический сад им. Н. В. Цицина РАН, Москва, Россия.
ORCID: 0000-0003-2011-6054.
А. А. Золотухина, инженер-исследователь, Научно-технологический центр уникального приборостроения РАН, Москва, Россия.
ORCID: 0000-0003-1043-7014.
Г. В. Нестеров, инженер-исследователь, Научно-технологический центр уникального приборостроения РАН, Москва, Россия.
ORCID: 0009-0000-8647-6170.
К. А. Судариков, инженер-исследователь, АНО Институт стратегии развития, Москва, Россия.
ORCID: 0009-0005-8734-1223.
В. В. Латушкин, к. б. н., c. н. с., АНО Институт стратегии развития, Москва, Россия.
ORCID: 0000-0003-1406-8965.
А. А. Гулевич, к. б. н., c. н. с., Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии, Москва, Россия.
ORCID: 0000-0003-4399-2903.
КОНФЛИКТ ИНТЕРЕСОВ
Авторы заявляют, что у них нет конфликта интересов.
Все авторы приняли участие в написании статьи и дополнили рукопись в части своей работы.
ВКЛАД ЧЛЕНОВ
АВТОРСКОГО КОЛЛЕКТИВА
Статья подготовлена на основе работы всех членов авторского коллектива.
Отзывы читателей
