根系表型成像系統(tǒng)

產(chǎn)品型號(hào)： Videometer

所屬分類：根系生理表型測量系統(tǒng)

更新時(shí)間：2024-04-17

簡要描述：根系表型成像系統(tǒng)無論對于淺根系園藝蔬菜、作物種質(zhì)資源、草種質(zhì)資源還是深根系林木種質(zhì)資源，都具有現(xiàn)實(shí)性研究意義。目前在根系研究尤其是表型研究領(lǐng)域中，對于草類、玉米根系和小麥根系所作的研究比較多，但大多還采用傳統(tǒng)不可重復(fù)的挖掘方法。植物根系原位多光譜表型成像系統(tǒng)出現(xiàn)，改變了這種情況，使得植物研究人員在對根系進(jìn)行研究的過程中，可以使用原位的方式、高分辨率、無損傷的進(jìn)。

聯(lián)系我們 在線咨詢

根系表型成像系統(tǒng)介紹：

根系是植物主要吸水、營養(yǎng)物并支撐植物地上部分的重要器官,是植物研究的熱點(diǎn)之一，也近年來植物表型學(xué)和作物表型組學(xué)研究熱點(diǎn)。通過對根系監(jiān)測和研究，能優(yōu)化水肥方案，促進(jìn)農(nóng)作物、林業(yè)等產(chǎn)業(yè)增產(chǎn)增效，加速植物、作物育種，有利于土地荒漠化治理、土壤修復(fù)等。但長期以來，由于植物根系生長環(huán)境的復(fù)雜性和不透明性,導(dǎo)致植物根系研究發(fā)展相對緩慢，對根系研究主要是采用挖掘法、土鉆法、土柱法、容器法、剖面法、傳統(tǒng)可見光相機(jī)成像法等傳統(tǒng)方法，采樣破壞性大、工作量大、區(qū)分效果不佳，嚴(yán)重阻礙了根系研究的深入開展?！犊茖W(xué)》雜志曾出版專輯認(rèn)為，“人類對自己腳下土壤的了解遠(yuǎn)遠(yuǎn)不及對宇宙的了解"，更是佐證了地下根系研究、生態(tài)學(xué)研究難度之大。因此，對根系研究方法的選擇和改進(jìn)，對科研結(jié)果影響巨大。

根系成像技術(shù)的出現(xiàn)和快速發(fā)展為植物根系的研究提供了更直觀、有效的研究方法，如中子成像技術(shù)、X射線掃描技術(shù)、核磁共振成像技術(shù)、探地雷達(dá)、熒光成像技術(shù)、激光共聚焦成像技術(shù)、多光譜成像技術(shù)、高光譜成像技術(shù)和計(jì)算機(jī)斷層掃描成像技術(shù)等，非成像方法包括根系功能生理表型測量技術(shù)等，根據(jù)植物的生長特性以及生長環(huán)境狀況,利用多種成像模塊監(jiān)測根系發(fā)育且不破壞其生長。

Videometer原位根系表型成像系統(tǒng)：

丹麥Videometer公司開發(fā)的原位根系多光譜表型成像系統(tǒng)，是做根系研究的革新性專業(yè)設(shè)備，無論對于淺根系園藝蔬菜、作物種質(zhì)資源、草種質(zhì)資源還是深根系林木種質(zhì)資源，都具有現(xiàn)實(shí)性研究意義。目前在根系研究尤其是表型研究領(lǐng)域中，對于草類、玉米根系和小麥根系所作的研究比較多，但大多還采用傳統(tǒng)不可重復(fù)的挖掘方法。植物根系原位多光譜表型成像系統(tǒng)出現(xiàn)，改變了這種情況，使得植物研究人員在對根系進(jìn)行研究的過程中，可以使用原位的方式、高分辨率、無損傷的進(jìn)行監(jiān)測，多光譜成像技術(shù)，因具有圖譜合一的特點(diǎn)，今年成為植物科學(xué)研究的熱點(diǎn)。

該系統(tǒng)分為單通道原位根系多光譜微根管表型成像系統(tǒng)以及多通道原位根系多光譜微根管表型成像系統(tǒng)，前者可以便攜攜帶，是傳統(tǒng)RGB成像的跨越和升級(jí)，后者主要用于設(shè)施規(guī)劃中的高通量根系成像研究。

單通道原位根系多光譜表型成像系統(tǒng)：

多通道原位根系多光譜表型成像系統(tǒng)：

5個(gè)波段下多光譜成像（405、450、590、660、940）：

5波段多光譜假彩RGB成像圖：

四通道多光譜根系成像系統(tǒng)（圖片來自歌本哈根大學(xué)、禁止盜圖、侵權(quán)必究）：

丹麥根本哈根大學(xué)科學(xué)家等利用多光譜成像系統(tǒng)對植物植株、根系進(jìn)行成像研究，取得了前瞻性的成果。該研究以深根系大麥為研究對象，將大麥下方埋了有3m長的微根管，使用Videometer公司的Videometer MR多光譜成像系統(tǒng)，定期通過根窗透明面對根系成像分析。原始光譜圖像經(jīng)過Videometer自帶軟件一系列算法處理后得到目標(biāo)根系圖像，隨后進(jìn)行閾值分割、模糊聚類等模型分析，得到根系的形態(tài)學(xué)數(shù)據(jù)。