Pflanzen passen sich an Klima- und Umweltveränderungen an, indem sie bestimmte modifizierte biologische Merkmale aufweisen. Beispielsweise zeigen Pflanzen, die in Wüsten wachsen, Trockenheitsresistenz. Manchmal wird jedoch Pflanzenzüchtung notwendig, um optimale Ernteerträge, Stressreaktionen und Wassernutzung sicherzustellen. Hochdurchsatz-Phänotypisierungswerkzeuge werden dann für das kostengünstige und schnelle Screening gewünschter biologischer Merkmale verwendet.
Eine solche Überwachung wird jedoch mühsam und zeitraubend. Es kann auch zu subjektiver Interpretation und Erntevernichtung führen. Ein Forschungsteam hat kürzlich versucht, diese Einschränkung durch schnelle hyperspektrale Fernerkundung zu überwinden. Dieses Papier wurde veröffentlicht in Pflanzenphänomik.
Der Hauptautor Christopher YS Wong vom Department of Plant Sciences der University of California, Davis, sagt: „Wir haben die physiologische (Stomata-Leitfähigkeit und Blattwasserpotenzial vor Morgengrauen und Mittag) sowie die boden- und turmbasierte hyperspektrale Fernerkundung (400 bis 2.400 nm und 400 bis 900 nm) Messungen zur Bewertung der Dürrereaktion bei 12 Gartenbohnen- und 4 Teparybohnen-Genotypen über 3 Feldkampagnen (1 vor der Dürre und 2 nach der Dürre).
Das Forschungsteam nutzte die Leistungsfähigkeit der hyperspektralen Bildgebung – das Extrahieren von Daten zu bestimmten Pflanzenmerkmalen aus verschiedenen Regionen des elektromagnetischen Spektrums unter Verwendung fortschrittlicher Bildgebungstechniken – mit Hilfe eines Handgeräts und turmbasierter Ausrüstung. Die Bohnenplantage wurde bewässert oder unbewässert gelassen, um normale bzw. Dürrebedingungen nachzuahmen. Die gesammelten Daten wurden dann mit Hilfe einer auf maschinellem Lernen basierenden Technik namens Partial Least Squares Regression (PLSR) analysiert.
Die PLSR-Modellierung war in der Lage, zwei physiologische Merkmale bei der gemeinen Bohne und der Teparybohne spezifisch zu untersuchen – Stomaleitfähigkeit und Blattwasserpotential (LWP). Sowohl Stomata-Leitfähigkeit als auch LWP sind Indikatoren für den Pflanzenwasserzustand und werden häufig zur Bewertung der Trockenheitstoleranz verwendet.
Leitender Autor Thomas N. Buckley, außerordentlicher Professor am Department of Plant Sciences, bemerkt: „Tepary-Bohnen, die in semiariden und ariden Umgebungen heimisch sind, sind im Allgemeinen dürretoleranter als gewöhnliche Bohnen. Wir untersuchen diese gewöhnlichen und Tepary-Bohnen-Genotypen auf einem Feld Experimentieren Sie mit bewässerten (Kontrolle) und Behandlungen von Enddürre.“
Das Forschungsteam setzte auch unbemannte Luftfahrzeuge (Drohnen) ein, um die Fernmessungen weiter zu erleichtern. Anschließend wurde ein Vergleich durchgeführt, um die Wirksamkeit von bodengestützten und turmgestützten Methoden zu bewerten. So stellte das Team beispielsweise fest, dass die bodenbasierte Methode im Allgemeinen bei allen drei Merkmalen – stomatale Leitfähigkeit, LWP vor Morgengrauen und LWP mittags – besser abschneidet als die turmbasierte Methode. Die Forscher verwendeten dann Heatmap-Clustering – hauptsächlich verwendet, um die Dürrereaktion hervorzuheben – um die Phänotypen der Dürrereaktion zu charakterisieren.
Die hyperspektralen Daten konnten die untersuchten Bohnenmerkmale erfolgreich vorhersagen. Darüber hinaus gab es eine gute Übereinstimmung zwischen bodengestützten und physiologischen Messungen, wodurch die Technik validiert wurde. Laut den Autoren kann diese neue, auf Fernerkundung basierende moderne landwirtschaftliche Technik auch zur Vorhersage von Pflanzenmerkmalen in gut bewässerten und dürregefährdeten Regionen eingesetzt werden.
„Diese Studie demonstriert Anwendungen der hochauflösenden hyperspektralen Fernerkundung zur Vorhersage von Pflanzenmerkmalen und zur Phänotypisierung der Dürrereaktion über Genotypen hinweg für die Vegetationsüberwachung und das Screening von Brutpopulationen“, schließt der entsprechende leitende Autor Troy S. Magney.
Mehr Informationen:
Christopher YS Wong et al, Hyperspectral Remote Sensing for Phänotyping the Physiological Dought Response of Common and Tepary Bean, Pflanzenphänomik (2022). DOI: 10.34133/plantphenomics.0021